摘要：传统的GARCH类时间序列预测模型,通常会因为结构断点或机制转移产生的伪持续性而影响预测性能。针对该问题,设计了一种基于MS-GARCH-MIDAS非线性时间序列组合预测模型来提高预测精度,一方面引入马尔可夫状态转换过程解决了结构断点和机制转换的问题,另一方面利用组合预测弥补了单结构模型结果不稳定的缺点。以上证指数为例,比较组合预测模型与传统模型的预测结果。实验结果表明,与其他模型相比,MS-GARCH-MIDAS平均组合预测模型能有效提高预测精度。

摘要：针对传统的时间序列预测方法在处理复杂丰富的大数据时常面临变量间抽样频率不同、数据相关性复杂等问题,基于Lasso算法和混频数据抽样模型(MIDAS)提出了不改变数据结构的混频时序预测模型Lasso-MIDAS。该模型通过融合MIDAS处理混频信息的机制和Lasso算法的压缩特性来实现估计预测,实时修正对预测最有效的混频变量集;根据常见的正则化方法岭回归设计了Ridge-MIDAS模型用做对比。实验结果表明,Lasso-MIDAS在预测性能上优于标准MIDAS模型及对比模型,验证了该方法在混频时间序列预测方面的有效性。

摘要：基于理论和文献分析,结合对国内200多家制造企业的现状调研,从人力资源管理活动在企业内所处的层面和对企业服务化转型的应对态度这两个维度,构建了制造企业服务化转型中的人力资源管理模式结构矩阵,提炼出四种人力资源管理模式:战术被动型、战术主动型、战略被动型和战略主动型。在此基础上对不同的人力资源管理模式明确了具体的分类标准,并以某公司为例进行了案例分析。