共查询到20条相似文献,搜索用时 18 毫秒
1.
《中国商贸:销售与市场营销培训》2014,(5)
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。 相似文献
2.
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。 相似文献
3.
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。 相似文献
4.
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。 相似文献
5.
6.
7.
8.
10.
11.
12.
台湾股指期货收益波动性与交易量、持仓量考察 总被引:1,自引:0,他引:1
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。 相似文献
13.
奶类消费需求组合预测——基于指数平滑法和灰色模型 总被引:3,自引:0,他引:3
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。 相似文献
14.
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。 相似文献
15.
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。 相似文献
16.
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。 相似文献
17.
路怡斯 《中国商贸:销售与市场营销培训》2014,(12):195-197
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。 相似文献
18.
19.
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。 相似文献