基于BP神经网络模型的沪深300指数预测

采用BP神经网络模型,利用MATLAB软件,通过沪深300指数2011年1月4日到2012年3月30日的开盘价、收盘价、最高价、最低价四组数据建立三层的BP神经网络模型,用前290天的数据对模型进行学习和训练,然后用后12天的数据对模型进行检测,最后对2012年3月15日的开盘价进行短期预测。结果表明,BP神经网络模型具有良好的泛化能力,在沪深300指数的预测方面有很好的预测能力,有很强的现实意义。     

大豆期现货市场价格动态关系的实证研究

本文利用VAR模型和误差修正模型等方法对国内和国际大豆的现货价格和期货价格之间的长短期关系进行实证分析。根据研究得出,国内和国际大豆现货价格之间存在长期的协整关系,国际大豆现货价格对国内大豆现货价格有显著影响,此结论同样适用于国际和国内大豆期货价格之间的分析。但是国际大豆的现货价格在调整速度上明显快于大豆的期货价格。最后,本文从大豆的现货价格、期货市场和自身技术三个方面提出稳定国内大豆价格的建议。     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的.     

对我国农产品期货市场价格有效性的实证检验

本文从考察期货价格与未来现货价格之间的关系入手,在风险溢价理论框架下,借助协整分析法对我国两大农产品期货市场的价格有效性进行了规范的实证检验。结果显示:大豆和小麦期货价格与未来现货价格之间均存在协整关系,期货价格对最后交易日现货价格具有预测能力,且大豆、小麦期货市场都支持风险溢价假说,在风险溢价条件下呈现有效状态。     

我国豆油期货市场价格波动的效应研究

豆油与人们的日常生活息息相关,其价格波动直接影响到人们的生活。本文基于2006年1月至2012年10月大连商品交易所豆油期货市场日收盘价数据,运用GARCH模型对豆油期货价格波动进行了实证分析。研究结果表明:我国豆油期货价格收益率具有ARCH效应,豆油期货市场当期价格波动显著受前期影响,且影响时间较长。基于此,本文提出相关政策建议。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于改进ANN的我国社会物流总成本预测研究

社会物流总成本(WLCB)序列同时具有线性和非线性的特征,直接对WLCB预测,传统预测、神经网络方法均产生很大的误差。本文提出:对WLCB数据作两步预处理,逐步消除WLCB的线性特征,在只具非线性特征的预处理后数据基础上,建立BP预测模型。分别与建立在原始数据及只作一步预处理的数据的BP预测模型进行比较,实验表明:两步预处理后不含线性特征的BP模型预测准确率大大提高,从而证实了改进NN模型用于WLCB预测的有效性。     

基于bp神经网路的我国沪深300股指期货价格预测

本文将首先介绍我国沪深300股指期货的现状以及影响其价格的主要因素,再介绍BP神经网络模型,并运用BP神经网络模型预测我国沪深300股指期货价格的短期走势,最后给出结论和本文的不足之处。     

新冠疫情下国内外大豆期货市场联动性探究

本文选取了2004年～2021年中美大豆期货合约收盘价数据,以2020年1月2日为新冠疫情分界点,运用chow突变点检验、协整分析、VAR模型等方法,对疫情分割的两样本区间内,中美大豆期货价格联动性进行研究.结果表明,全样本区间内国内外大豆期货价格具有较高的联动性;疫情分界点后,协整关系减弱,联动性水平降低,美国大豆期...     

中国大豆期货价格的影响因素分析

大豆期货是我国农产品期货市场中历史最悠久,发展最完善的期货品种。经过十几年的发展,大豆期货价格已成为中国大豆生产和流通领域最具影响力的指导性价格和国内大豆市场的晴雨表。本文从对中国大豆期货价格内部和外部影响因素分析探索大豆期货价格变动的主导因素,最后,从宏观的角度探寻进一步发展完善我国大豆期货市场的政策措施。     

贸易战对中美大豆期货影响的实证分析——基于DGC-T-MSV模型

本文以美国芝加哥商品交易所大豆期货价格指数以及中国大连商品交易所大豆期货价格指数为研究对象,构建带有Granger因果关系检验的T序列的动态相关系数模型(DGC-T-MSV),通过实证研究贸易战背景下中美大豆期货市场的均值溢出效应以及波动溢出效应。     

萨缪尔森到期日效应的实证检验——来自中国大豆期货市场的证据

到期日效应是探讨衍生市场对现货市场冲击的重要课题。本文选取大连商品交易所黄大豆合约从2010年1月到2011年11月的数据,对每个样本合约建立ARMA-GARCH模型,然后在模型中加入虚拟变量D来代表到期时间,确定参数的正负值来检验大连大豆期货价格是否存在到期日效应。实证结果表明,大豆合约在临近交割日20日左右具有明显的到期日效应。到期日效应的存在对期货市场的套期保值者和投机者具有重要意义。     

我国燃油期货价格指数波动特征研究

通过选取上海期货交易所燃油期货价格指数5分钟高频收益数据,本文构造了经调整的已实现波动率估计序列,运用4类非线性GARCH模型建模分析,描述了中国燃油期货价格指数的波动特征,运用6种损失函数以及Diebold-Mariano 检验法,实证检验了4类GARCH模型对燃油期货价格指数波动的样本外预测能力。就中国燃油期货市场而言,基于高频数据的FIAPARCH模型,能够较好地描述中国燃油期货价格的波动特征,并且具有最为出色的波动率预测能力,而IGARCH模型在某些损失函数标准下也体现出了较好波动率预测能力。     

基于神经网络的循环流化床烟气脱硫工艺预测

本文利用BP神经网络实现了对某电厂循环流化床烟气脱硫工艺的预测。论文简单介绍了BP神经网络,并对数据进行了分析。之后以用MATLAB7.0利用BP神经网络实现了对该数据的训练,通过确定各个影响因素的权值来实现预测的目的。     

大连商品交易所大豆期货价格收益的季节效应研究

本文对大连商品交易所大豆期货价格收益的季节效应进行了研究.研究结论显示:大豆期货价格收益不存在周日历效应和月度效应,符合有效市场的假设,与国外期货市场实证结果有一定的差异.     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

基于GA-BP神经网络的顾客满意度测评研究

本文利用遗传算法与神经网络的特性,建立了基于GA-BP神经网络的顾客满意度测评模型。该模型首先将BP网络的权值和阈值通过遗传算法进行优化,然后对BP网络进行训练。网络最终测评结果较BP神经网络更有效、准确。通过某商场实例数据证明此测评模型收敛速度快、预测精度高,为顾客满意度测评提供了一种实用的方法。     

对我国棉花期货价格预测的方法研究——基于EGARCH-EWMA模型与ARIMA模型比较

本文以2013年1月2日至2014年6月31日期间的棉花期货价格为研究对象,通过ARIMA模型与EGARCH-EWMA模型进行短期价格预测对比分析。结果显示EGARCH-EWMA模型在准确度和可行性方面优于ARIMA模型,利用EGARCH模型估计的滞后系数对衰减因子赋值,克服了无法科学地判定衰退因子的弊端,并且预测结果表明棉花市场具有较为明显的杠杆效应,没有完全实现价格发现功能,基于此提出完善期货市场的建议。