互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

作     者：吴翌琳 南金伶 Wu Yilin;Nan Jinling

作者机构：中国人民大学统计学院 中国人民大学中国调查与数据中心 中国人民大学应用统计科学研究中心 

基　　金：中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目(20XNL015) 

出 版 物：《统计研究》 (Statistical Research)

年 卷 期：2020年第37卷第5期

页      码：94-103页

摘      要：神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。

主 题 词：广告收入预测 神经网络模型 Holtwinters模型 组合模型 

学科分类：0202[经济学-财政学类] 02[经济学] 020208[020208] 07[理学] 0714[0714] 

核心收录：

D　O　I：10.19343/j.cnki.11-1302/c.2020.05.008

馆 藏 号：203926176...