证券投资基金收益概率密度预测——基于神经网络分位数回归模型

证券投资基金收益往往具有更高的峰度与更大的偏度,建立在古典假定基础上的均值回归分析难以给出准确预测结果。考虑到证券投资基金收益中的高峰、非对称等典型特征与各因素对收益序列的非线性影响模式,建立神经网络分位数回归模型,一方面,可以通过分位数回归功能,揭示各因素对证券投资收益整个条件分布的影响规律;另一方面,可以通过神经网络结构,模拟金融系统中的非线性关系。在神经网络分位数回归模型基础上,对证券投资基金收益整个条件密度函数进行预测,提供比点预测更多的有用信息,便于进行科学决策。     

基于GARCH模型的上证指数与GDP波动性研究

中国的证券市场与宏观经济关系已进入弱相关阶段,本文通过使用ADF检验、ARCH效应检验、GARCH模型分析以及Granger检验对两者的波动性进行分析和研究。实证结果发现,中国的证券市场与宏观经济都具有非正态分布的特性。其次,证券市场不存在自回归条件异方差效应波动,宏观经济存在自回归条件异方差效应波动,并且GARCH(1,1)最适合描述宏观经济的自回归条件异方差效应波动,上证指数的预测与宏观经济的预测两者之间具有互相印证的关系。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

中国股市指数β值均值回归特性的考察

本文研究了中国股市不同指数的β系数是否服从均值回归过程,研究使用状态空间模型下总计六种状态向量假设,对β系数可能服从的六种动态行为进行拟合,利用MAE分析比较并选择出最佳模型,进而判断给定指数的β系数的均值回归特征。研究结果表明,作为特定组合的代表,中国股市各种指数的β系数从总体上而言是呈现均值回归态势的,这一结论意味着大多数指数对市场总体情况的敏感度是围绕着某个中枢波动的。     

我国上市公司ROE预测研究(下)——基于扣除非经常性损益后盈余结构的经验分析

同理,CVCS模型相对于ROE模型来说,其预测误差绝对值的均值减少0.0000289 (P＜0.05);CASHFLOW模型相对于ROE模型其预测误差绝对值的均值增加0.0004073 (P＜0.001).其他两两模型间误差绝对值的均值关系比较类同.     

人均GDP增长对我国私人汽车未来需求的影响

居民收入水平是影响一个国家汽车普及率的关键因素之一,本文在分析近年来中国私人汽车拥有量和人均GDP的数据后,发现二者之间存在显著的正相关关系。回归分析对事物发展的长期趋势具有较好的预测效果,本文通过构建二次曲线回归模型对中国私人汽车的未来需求量做了科学的分析、预测。     

制造业上市企业的融资约束预测——基于机器学习算法的视角

企业融资约束指数的构建方法一般采用两步法,一是判断企业是否存在融资约束,二是通过财务指标构建融资约束指数。本文运用机器学习的方法探讨企业的融资约束指数的构建,首先,判断企业是否存在融资约束,采用聚类算法（K均值聚类和系统聚类）对这些企业进行分类,然后在聚类的基础上,采用分类算法（决策树、逻辑回归、神经网络）探讨企业融资约束的影响特征。本文通过分类算法预测结果,得到决策树算法的准确率是最好的,逻辑回归模型预测的稳定性是最好的,而神经网络预测模型较差。采用逻辑回归模型预测的融资约束概率与SA指数和祝学文的LFC融资约束指数较为密切相关。从企业融资约束的重要特征来看,在聚类的预分类中,重要特征变量为利息保障倍数和股利支付率,在分类算法中,重要特征变量为财务费用率和净资产报酬率。     

内生竞争标尺、空间秩次自回归与基金业绩排名竞赛

已有文献普遍借助于空间计量模型来检验标尺竞争理论。本文指出,传统上基于外生空间权重矩阵的空间回归模型并不适合刻画当竞争标尺是内生决定的情形。为此,本文首次建立一类命名为空间秩次自回归（spatial rank-order auto-regression,SRAR）的模型来考察截面上的内生标尺竞争效应。P（1）阶SRAR...     

一种对指数增长年度用电量的组合预测方法

为有效预测呈指数增长的年度用电量,本文选用了指数函数法、GM(1,1)灰色模型和多元线性回归模型来对年度用电量进行拟合外推预测。通过运用这些方法预测北京年度用电量和对预测结果进行比较分析得到,GM(1,1)灰色模型的实际预测结果往往偏大,指数函数法预测结果可能偏小,而多元线性回归模型虽然考虑了其他因素影响但在实际预测指数增长负荷时参考意义较小。因此,最终选择合适的权重加权组合以上模型得到最终预测值,预测精度较高。     

基于广义回归神经网络的黄金价格预测

本文选取纽约商品交易所2014年11月20日至2015年8月27日（周末及节假日休市除外）的黄金期货价格数据和相应的影响因素指标数据,将样本数据合理分组为训练样本、检验样本和测试样本三类,建立广义回归神经网络（GRNN）模型用于预测黄金价格。建模结果表明：建立的黄金价格模型预测精度高,对黄金价格的预测相对误差绝对值都在2%以内,模型具有实用价值。     

自回归模型在杭州公共自行车使用量预测中的应用

自回归是基于数据的统计性质建立模型。它把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,从而将单变量自回归模型推广到由多元时间序列变量组成的向量自回归模型。本文通过一些数据对向量自回归模型进行拟合,从而获得预测精度较高的预测模型。     

基于组合预测方法的需水量预测

本文在概述组合预测法的基础上,探讨了需水量的预测方法.尤其是建立了基于回归分析和灰色预测的需水量组合预测模型.通过实例对组合预测的结果与线性回归、灰色预测的结果进行了比较,结果表明组合预测模型的精度比单一模型的预测精度明显提高.     

苍南县"十二五"期间人口增长规模预测分析

对苍南县"十二五"期间人口增长规模进行预测,认识全县人口的发展变化规律,对于制定本县社会和经济发展规划,促进国民经济发展、科学治县具有十分重要的现实意义.文章运用综合增长率法和趋势外推法进行预测分析,趋势外推法采用线性回归模型和乘幂回归模型进行预测,回归分析采用PASW软件,得到苍南县"十二五"期间各年度的户籍人口总数、外来流动人口和外出流动人口总数.     

金融类上市公司股票定价方法研究

本文对当前的金融类上市公司几种估值模型进行了改进,通过多元统计回归的方法建立了金融类上市公司的价值评估模型,并进行了实证分析。实证结果表明,该评估模型的预测精度达到93.80%,大大提高了传统评估模型的预测精度。     

谈现代服务业内部结构的调整——基于计量角度的分析

现代服务业内部结构的调整对促进大中城市国民经济的整体发展具有重要作用。可以采用指数增长模型预测法和线性回归增长模型预测法预测细分产业的增长趋势,并依此确定内部结构调整的方向,同时可以通过历史数据的分析来验证调整的方向。     

基于岭回归的动态死亡率预测方法及其改进

建立适当的人口死亡率模型对人口预测、人力资本具有重要意义。对随机死亡率年龄-时期-队列（APC）模型的估计方式进行改进,在广义线性模型的基础上,引入岭回归估计。基于日本1980—2020年0～95岁人口死亡率分别使用广义线性泊松回归模型与改进的岭回归模型进行死亡率的拟合与预测,使用均方根误差、似然函数、贝叶斯信息准则模型评价准则进行比较。实证分析结果表明,在拟合效果与预测结果上,改进的岭回归模型均优于使用最大似然估计的广义线性模型（GLM）。     

浅析指数曲线模型在我国石油需求中的应用

文章以1978～2005年我国石油消费量的历史数据为基础,根据其趋势图拟合出现实的指数曲线回归,时其参差序列应用时间序列进行分析和识别,建立起适合我国石油需求预测的指数回归-ARMA(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测需要.     

基于线性回归角度比较资产定价模型的价格预测功能——CAPM模型、Fama-French三因素模型及其扩展模型

本文运用线性回归的方法,选取了适当的统计量对当下运用最广泛的三个资产定价模型进行比较,这三个模型分别为CAPM模型、Fama-French三因素模型及其扩展模型。文章运用美国的基金数据来研究上述三个模型的价格预测功能,以及在线性回归下的拟线性的优劣。     

美元/欧元汇率的组合模型区间预测

利用BP神经网络提取非线性特征,对残差运用广义自回归条件异方差模型分析波动性,最后将趋势与波动性结合给出预测区间。以2001年2月至2017年6月美元/欧元汇率的日收盘价数据为例,研究发现：BP神经网络具有很好的非线性刻画能力,但“过拟合”以及“欠拟合”均会影响预测区间的精度,只有合适的误差大小和精度标准才能得出较好的预测结果;同时也发现广义自回归条件异方差模型能够较为准确地分析波动性,且组合模型优于单一模型,适合中长期的区间预测。     

ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归（ARIMAX）模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均（ARIMA）模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX 的拟合效果更佳,适用于全国私人汽车拥有量的预测。