• 论文 • 上一篇    下一篇

中国港口集装箱吞吐量预测:基于组合时间序列

赵尚威1,周建红2   

  1. 1. 中央民族大学理学院, 北京 100081; 2. 广东金融学院信用管理系, 广州 510521
  • 出版日期:2018-02-25 发布日期:2018-03-22

赵尚威,周建红. 中国港口集装箱吞吐量预测:基于组合时间序列[J]. 系统科学与数学, 2018, 38(2): 210-219.

ZHAO Shangwei, ZHOU Jianhong. Forecasting Chinese Ports Container Throughput: A Combining Time Series[J]. Journal of Systems Science and Mathematical Sciences, 2018, 38(2): 210-219.

Forecasting Chinese Ports Container Throughput: A Combining Time Series

ZHAO Shangwei1 ,ZHOU Jianhong2   

  1. 1. College of Science, Minzu University of Chinese, Beijing 100081; 2. Department of Credit Management, Guangdong University of Finance, Guangzhou 510521
  • Online:2018-02-25 Published:2018-03-22

近年来, 中国港口集装箱吞吐量增长迅速. 如何准确预测中国港口集装箱吞吐量是一个极其重要且具有挑战性的问题. 采用一种自适应方法来解决该问题, 即Yang (2004)提出的指数加权聚合预测(AFTER). 我们采用该方法将两种时间序列模型: SARIMA 和VAR 进行组合. 对中国七大港口的预测结果表明, AFTER方法比常用的简单平均预测具有优势, 它通常能以更高的频率自动设置更大的权重在更好的个体预测上.

Recently, Chinese ports container throughput increased rapidly. Accurate forecasting for container throughput of Chinese posts is an important and challengeable problem. We apply an adaptive approach --- Aggregated forecast through exponential reweighting (AFTER), introduced by Yang (2004) to this problem. Two classes of time series models (seasonal ARIMA model and vector autoregressive model) are combined. The results indicated that the AFTER approach has advantage over the common used simply average forecasting, and can automatically put a large weight on the better individual forecast with high frequency.

()
[1] 柴建, 赵逸杰, 梁婷, 魏照昊. 中国非居民用户用气量的行业异质性动态分析及预测——基于一种新的综合集成分析预测模型框架[J]. 系统科学与数学, 2022, 42(2): 318-336.
[2] 吴鑫育, 刘天宇. 具有时变波动率持续性的已实现EGARCH模型及其实证研究[J]. 系统科学与数学, 2021, 41(9): 2444-2459.
[3] 徐维军, 付志能, 李茂昌, 张卫国. 基于新闻文本挖掘的股指期货高频预测研究[J]. 系统科学与数学, 2021, 41(7): 1856-1875.
[4] 李爱忠, 任若恩, 董纪昌. 稀疏网络下核范数回归的连续时间Smart Beta策略[J]. 系统科学与数学, 2021, 41(7): 1927-1937.
[5] 张婷婷, 王沫然, 魏得胜, 刘志峰. 季节调整FWA-SVR模型及其在旅游经济预测中的应用[J]. 系统科学与数学, 2021, 41(6): 1572-1584.
[6] 余世明, 李壮, 陈龙, 何德峰. 可扩展非线性异构车队系统分布式模型预测控制[J]. 系统科学与数学, 2021, 41(3): 602-614.
[7] 白娟娟, 师荣蓉. 基于广义已实现测度的中国股市波动预测与 VaR 度量[J]. 系统科学与数学, 2021, 41(3): 653-666.
[8] 叶菲菲, 杨隆浩, 王应明. 基于不同联合学习方法的扩展置信规则库环境治理成本预测[J]. 系统科学与数学, 2021, 41(3): 705-729.
[9] 孙会霞,倪宣明,钱龙,赵慧敏. 基于长期CVaR约束的高频投资组合优化[J]. 系统科学与数学, 2021, 41(2): 344-360.
[10] 蒋洪迅, 闫超超, 张立峰. 基于时序分解和神经网络的PM2.5浓度预测研究——以沈阳市为例[J]. 系统科学与数学, 2021, 41(12): 3446-3460.
[11] 凌立文, 陈诗欣, 张大斌, 张博婷. 基于多时间尺度组合策略的我国猪肉价格预测研究[J]. 系统科学与数学, 2021, 41(10): 2829-2842.
[12] 何承香, 曾波, 杨乐彬. 基于灰色参数组合优化模型的重庆 ${\rm PM}_{2.5}$ 浓度预测与对比分析[J]. 系统科学与数学, 2021, 41(10): 2855-2867.
[13] 王勇,刘莹,张娜. 基于奇异谱分析的旅游人数集成预测模型的研究与应用:以中国为例[J]. 系统科学与数学, 2020, 40(9): 1628-1643.
[14] 宋娟,倪志伟,李萍,伍章俊,彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[15] 陆文星,戴一茹,李楚,李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
阅读次数
全文


摘要