组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

BP神经网络模型在沪深300指数预测中的应用

文章探讨了神经网络模型在股指预测方面的应用,通过引入宏观经济因素,建立BP神经网络模型来对沪深300指数的走势进行中长期预测,运用MATLAB神经网络工具箱对BP模型预测的准确性和可行性进行了实证检验。     

基于多维动态模型的中国股指相关性预测研究

运用时间序列的ADCC(Asymmetric Dynamic Conditional Correlation)多维GARCH模型和CCC(Constant Conditional Correlation)多维GARCH模型对中国主要股指之间的相关性进行预测,并对预测结果进行评价和比较,结果表明ADCC多维GARCH模型拟合和预测中国股指相关性较好,这为投资组合管理和风险管理提供了理论支持。     

最优组合预测在股指预测中的应用

在股票市场中,股票价格指数体现着股票市场的整体走势,因此对股指进行预测具有重要的理论研究和现实意义。采用一次移动平均、一次指数平滑和人工神经网络预测模型。对上证指数数据进行的预测结果表明,线性规划最优组合预测模型预准确度和精度要优于一次移动平均和一次指数平滑预测模型。线性规划最优组合预测模型可运用于股票价格指数的预测之中,提高预测准确度和精度。     

基于SVM的股指预测模型与GUI仿真

本文在相关文献研究基础上,采用SVM算法对不同年份的股票上证指数进行分新、验证及预测.并利用小波神经网络对往年的经济事件进行训练,将干扰加入到预测模型中使预测结果更具代表性.再运用GUI界面与Matlab程序将建立的模型输出,使仿真模型更具操作性并得出相应的一般性结论.最后运用此界面,选取不同的干扰项及年份,预测未来的股指走势.     

量化私募行业发展趋势的组合预测研究

文章首先从私募证券基金角度出发,分析和预测了量化投资行业未来的发展趋势;针对存在突破点的机构数量时间序列,在传统的ARMA (1,1)模型基础上,引入了干预分析模型,分析得出对时间序列的拟合效果较好。其次建立了线性回归方程研究机构数量和沪深300的关系,研究得出模型的拟合程度较高。最后为了进一步提高预测模型对时间序列的拟合效果以及预测精度,文章将不同模型的预测精度作为预测值的诱导值,建立了基于IOWA算子的组合预测的模型。     

基于GARCH类模型对美国股市波动性的对比分析

为研究美国股市股指的波动性特征,本文选取美国股市的Nasdaq指数和Russel2000指数的日收盘价数据,借助统计软件,利用GARCH类模型进行实证分析。实证结果表明：Russel2000指数的风险较Nasdaq指数更稳定,更适合投资,且相较GARCH(1,1)模型,满足学生t分布的APARCH(1,1)模型拟合的条件异方差可以更好地反映种股指日对数收益率的波动率情况,因此可选用此模型对两种指数波动率的未来值进行预测,为投资者提供未来投资参考。     

基于灰色马尔科夫模型的辽宁高校R&D支出预测

文章将马尔科夫链理论与模糊集合理论引入灰色GM(1,1)预测模型,实现了两者的优势互补,并在辽宁省高校科技经费投资的数据在传统灰色GM(1,1)预测模型的基础上建立了高校R&D的灰色马尔科夫链模型,研究表明,该模型在高校R&D的预测方面相对传统的灰色GM(1,1)模型有更高的精度。     

工业快速发展中基于var模型的化肥施用量预测

本文运用var模型相关理论,建立化肥施用量的预测模型,对未来一个时期的数据进行预测,模型检验和预测结果验证了所建立的预测模型具有可行性和有效性。     

股指期货定价相对位置及其预测能力检验

文章以我国沪深300股指期货为研究对象,使用ETF与股指期货构造套利组合并通过无套利定价原理得到期货理论价格区间后,结合股指期货实际价格定义出文中使用的定价相对位置指数,并使用基本回归模型检验这一指数对股指期货基差和收益率的预测能力。最终得出结论:期货实际价格在理论区间内相对位置的变动可以由情绪解释一部分,文中定义的定价相对位置Pt具有对股指期货基差良好的预测能力,但对收益率的预测能力不足。     

我国铁路货运量的组合预测

在二次指数平滑、一元回归、自回归、灰色预测四种模型的基础上采用方差倒数法定权的方式建立组合预测模型,对全国铁路货运量进行预测,并对预测结果进行误差分析。预测结果表明,组合预测较单一模型预测更具优越性。     

台湾股指期货收益波动性与交易量、持仓量考察

采用VAR模型和扩展的GARCH族模型,研究台湾股指期货收益波动性、交易量和持仓量三者之间的动态关系,同时检验交易量和持仓量在GARCH模型中的预测作用。结果表明:台湾股指期货交易量对收益波动性的直接影响存在着滞后效应,波动性间接地依赖于持仓量的变化,交易量和持仓量之间存在明显的双向因果关系。交易量和持仓量的引入能否有助于基础GARCH模型预测收益波动性取决于样本观测期的选择,从均方误差来看三个最好的非样本收益波动性预测模型都是扩展后的GARCH变形模型。     

奶类消费需求组合预测——基于指数平滑法和灰色模型

为了合理预测奶类消费需求量,建立了三次指数平滑和灰色模型两种单项预测模型。鉴于单预测模项型的局限性,提出了以预测偏差平方和(方差)最小为最优化准则的组合预测模型。分析比较表明,组合预测模型具有更高的预测精度和更低的预测误差,能避免各单项预测模型的局限。该组合模型对未来短期的奶类消费需求的预测具有一定的参考价值。     

灰色理论在工程投资估算中的应用

正确进行项目投资估算,可以合理确定项目投资规模,控制项目总造价,较准确地反映出项目的经济效益情况。以灰色系统理论为基础建立预测模型,并通过实例介绍了该模型的具体应用,对工程单方造价进行预测,为建设单位投资估算提供数据支持。     

灰色预测模型在江苏省GDP预测中的运用分析

从理论和实际应用上探讨灰色系统建模的原理,分析GM(1,1)模型的运用与检验过程。灰色预测模型既是灰色系统理论的重要内容之一,也是预测理论与应用中被广泛使用的一种预测方法,因此,对灰色预测模型的研究具有重要的意义。首先建立一个1978-2009年的江苏省GDP的时间序列数据,然后运用GM(1,1)模型进行预测,检验结果显示GM(1,1)模型能够提供精确的预测。     

基于CVaR-GARCH-M的中国股指期货风险研究

中国股指期货市场起步较晚,且合约持续期较发达国家相比还很短暂,波动性也较大,因此中国股指期货市场有着其独有特征以及风险。通过建立基于广义误差分布的均值广义自回归条件异方差模型可以较好拟合出中国股指期货市场若干特征,股指期货市场的风险异常波动点对应着国内外重要经济事件,这些经济事件导致模型残差存在异常波动联立CVaR风险计算模型与GARCH-M模型并计算中国股指期货市场的风险,发现当前中国股指期货市场风险较低,投资者大多持谨慎投资态度,短期内投资股指期货市场风险不大。     

灰色预测模型的研究及其应用——基于上海市货运总量的分析

本文主要对灰色理论以及灰色预测方法和具体建立模型进行具体描述。实证分析选取1996～2011年上海市货运总量的统计数据,运用灰色预测方法中的GM（1,1）模型,建立上海市货运总量发展趋势的预测模型,以相对误差为评判标准,对灰色预测模型的有效性进行讨论。     

基于组合模型的我国税收收入预测分析

本文在ARIMA和GM(1,1)模型基础上,利用我国经济发展数据建立一个组合预测模型,并把它应用于我国税收收入的预测.所得结果误差优于两个模型的分别预测,表明组合预测模型在税收收入数据的预测中更有优势.最后据此组合预测模型对2009年中国税收收入进行了预测分析.     

遗传算法在建立预测预报模型中的应用研究

预测预报是人们对客观事物发展变化的一种认识与估计。对某个对象系统选择哪一种方法来建立预测预报模型,关键在于用此方法建立的预测模型的计算值与实际值的拟合程度。近几年发展起来的遗传算法(GA,GeneticAlgorithm)是借鉴生物遗传机制的一种随机化搜索算法,其主要特点是群体搜索和群体中的个体之间的信息交换。遗传算法尤其适用于处理传统方法难以解决的复杂的和非线性的问题,己在许多领域有广泛的应用,它将成为智能计算的主要技术之一。文章以某企业各年度资金实际需要量动态数列为例,探讨了基于遗传算法的时序预测模型的建模方法及预测精度的有效性。     

基于带红利的控制公司破产风险因素投资组合模型

本文考虑在现金红利投资的收益情形下,投资者通过对所投资的股票公司的财务数据进行研究,通过评分来预测企业破产的概率,从而建立优质的投资组合模型。文章中应用最非线性规划优化的理论和方法建立投资组合模型,并利用优化算法对模型进行求解。