组合预测新方法及其应用研究

本项目研究几种组合预测（又称模型平均）新方法，解决组合预测领域理论研究中的难题，并将这些新方法应用于实际预测问题，为政府和企业决策提供方法和工具。具体研究内容包括：1)针对离散响应时间序列提出自适应的组合预测方法，并证明经过模型筛选后组合预测仍然是自适应的；2)尝试证明在使用时间序列模型进行组合预测时MMA方法的渐近最优性，从而解决著名计量经济学家Bruce Hansen提出的公开难题；3）小样本情形下组合预测方法，如WALS和OPT方法；4）把这些组合预测方法应用于我国农产品需求预测、进出口贸易预测和大宗商品国际市场价格预测等实际问题。本项目的研究意义在于：1)理论上，提出适合特定情形的组合预测方法，并解决组合预测理论研究中的难题，推动组合预测研究的发展; 2)应用上，项目的研究成果将被用于解决政府和企业的实际预测问题，提高预测精度。

本项目在组合预测的研究方面取得了一批高水平理论研究成果, 提出了一些可直接应用于实际的预测问题的组合预测方法。代表性成果包括：证明了时间序列模型中组合预测的渐近最优性，解决了著名计量经济学家Bruce Hansen 和 Jeffrey Racine (Journal of Econometrics, 2012) 提出的公开问题；首次提出了针对离散响应时间序列的自适应组合预测方法；建立了线性混合效应模型下的最优模型平均预测理论；提出了降维问题中的维度的选择的新方法。.. 三年来，共发表学术SCI/SSCI期刊论文8篇，接受发表SCI/SSCI期刊论文3篇，其中4篇（接受）发表在国际顶级期刊。另完成论文11篇。预期研究计划已圆满完成。