高频金融时间序列的异象特征分析及应用--基于多重分形谱及其参数的研究

文章首先从理论上推导出金融资产价格的高频时间序列出现大幅震荡前后多重分形谱所具有的异象特征,然后随机选取两只股票(民生银行、哈飞股份)各35天的5min高频交易数据对上述特征进行实证分析.结果表明,两只股票在持续大幅波动开始与结束时,其多重分形谱形态及参数的变化与理论上的异象特征相吻合.运用该研究方法可以对金融资产持续大幅波动的开始及结束做出一定预测.     

基于可见图的多重分形序列分析

可见图方法把多重分形时间序列映射为相应的网络,由于产生的网络继承了序列的一些重要性质,从而实现了通过可见图提取序列特征。     

基于ARIMA模型的内蒙古居民消费价格指数实证分析

消费价格指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动宏观经济指标。运用EVIEWS软件,选择2005年1月至2012年12月内蒙古消费价格指数的月度数据,构建自回归求和移动平均ARIMA(p,d,q)时间序列模型,分析内蒙古消费价格指数随着时间推移的变化规律,同时对未来CPI的走势进行预测,为有效实施物价调控政策提供了数量依据。     

混沌经济时间序列的建模与系统识别

利用时间序列分析方法对混沌经济时间序列进行研究。通过介绍有关时间序列分析的理论及混沌时间序列的建模方法,阐述了混沌经济时间序列中非线性(混沌)信息的提取方法,并对系统进行混沌识别,讨论了混沌系统混沌临界点的区间确定问题。     

河北省旅游外汇收入时间序列建模及预测

本文在分析1984年至2011年河北省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARMA(p,q)模型.首先针对序列的非平稳特征,对河北省旅游外汇收入额变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,然后对序列继续进行差分处理,变成平稳序列,建立河北省旅游外汇收入时间序列的ARMA模型并对模型进行检验,最后将模型用于河北省旅游外汇收入的预测分析.实证结果表明:ARMA(1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.     

我国上证综指收益概率分布的统计特性分析

本文根据我国上海证券交易所综合指数在过去7年中的高频数据序列,分析在6种时间标度(1分钟至60分钟)下收益的概率分布,发现具有明显的尖峰和胖尾特征;收益概率分布具有对称性,利维稳定分布能很好地描绘中间部分的变化规律,利维指数为1.26;其渐近行为具有幂律特性,特征指数为2.86(1分钟序列),超出了利维稳定分布的范围。结果表明,上证综指收益概率分布具有明显的非线性分形特性,这对分析我国股票市场变化的动力学规律、风险管理和衍生产品定价具有指导意义。     

欧盟与湖北碳交易市场的互相关性——基于MF-X-DMA的研究

本文运用多重分形降趋势移动平均互相关分析法(MF-X-DMA)考察欧洲联盟碳交易市场与中国湖北碳交易市场之间的互相关性及其多重分形特征。通过实证研究发现,欧盟碳交易市场与湖北碳交易市场之间存在显著的互相关性且具有多重分形特征。同时,在市场出现剧烈波动时,两个碳交易市场之间的联动效应更为明显;湖北碳交易市场的多重分形特征显著,分形强度大于欧盟市场,且后者的自相关性不存在明显的多重分形特征。此外,以湖北碳交易市场为代表的中国新兴碳市场,市场成熟度不高,其涉及的短期相关性极易受到外部因素的影响。     

我国基本养老保险基金收入与GDP的因果关系研究

文章运用计量经济学有关时序变量的单整、协整检验技术,根据《中国统计年鉴》(2009年)提供的数据检验后认为,1990年～2008年GDP和基本养老保险收入均为I(2)单整非平稳时间序列,GDP和基本养老保险收入是一阶协整关系,服从I(1,2)阶协整分布。我国基本养老保险基金收入显著地影响GDP的增长,GDP的增长影响我国基本养老保险基金收入,但存在滞后阶数且不相同,探讨了其产生原因。     

QFII制度对中国股市的影响及其原因

一、模型选择 本文选择GARCH模型,GARCH模型的基本思想是:对于收益率的时间序列Rt,其变化规律由模型Rt=xβ εt描述.标准的GARCH(p,q)模型意味着在信息集Ωt-1的条件下,误差项εt的条件方差Var[εt/Ωt-1]符合下式:     

基准风格资产的收益率长记忆性研究——基于修正的R/S模型

以2005年6月至2013年5月8年间的中信标普纯风格系列指数为基准风格资产,在分形理论基础上,应用修正的R/S方法将其收益率序列进行长记忆性实证,结果发现,在不同时间标度下,风格资产的长记忆性有明显差异,各风格资产所使用的持股策略也不同。在中国股市的大波动性背景下,基准风格资产收益率Hurst指数出现"噪声"效应与"拟噪声"效应并存的现象。     

中国石油需求与全球石油库存对国际油价的影响研究

本文基于全球石油总供给、中国石油需求、其它国家或地区石油需求、全球石油库存和国际石油价格等时间序列,构建一个五变量的SVAR模型,研究国际石油价格对各因素的结构响应.并重点分析了中国石油需求和全球石油库存对国际石油价格的影响.本文的实证结果显示,中国石油需求对国际石油价格有显著的正向冲击,而全球石油库存对国际石油价格有显著的负向冲击.本文还发现中国石油需求和全球石油库存对国际石油价格波动的贡献度较大,两者之和占比高达20％左右.因此,中国石油需求和全球石油库存是影响国际石油价格重要因素,分析国际石油价格变化时不能被忽视.     

基于分形市场理论的期铜价格R/S分析

基于1993-2004年伦敦金属交易所(LME)3月铜期货价格的日、周、月收盘价数据,运用经典R/S分析方法来研究期货市场价格的非线性特征结果显示,LME3月铜期货价格的时间序列具有分形特征,Hurst指数为0.563,具有一个200周左右的非周期性循环。在沿用方差作为非线性系统近似度量指标的同时,基于R/S分析的Hurst指数和长期记忆周期可作为风险分析的参考指标,以弥补方差分析中时间信息的缺失。     

混沌经济系统的分形研究

传统的模型分析方法认为经济系统信息的复杂性是由于外在的随机因素引起的,所以在讨论系统的确定性基础上加上随机因素,利用经济数学理论如随机分析理论、动态分析、统计估计、假设检验等来模拟系统的规律以达到预测的目的.而在实际对某些经济数据进行观测时发现它们的观测值带有一定的"偏倚",传统方法中"随机干扰"期望值为零、方差不变的假设条件很少能满足,观测值的出现往往带有"有偏随机游动"的特点,如何在分析问题时,考虑这些"偏倚"的影响,这种"偏倚"有多大?本文通过对时间序列的分形研究,探讨一种新的分形分析方法,以便让系统所包含的信息充分显露出来.     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果.纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据.本研究以北京某地铁站两个同一工作日的客流量作为研究对象,以15分钟为单位进行时间段的客流量采集,建立时间序列,通过已知数据对下一时间点(15分钟内)客流量进行预测,并针对同一工作日的数据进行实证检验.根据预测结果分析,验证了时序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性.     

不同目标市场产品价格决策分析

目标市场策略是企业常用的营销策略之一。当企业为多个子市场服务时就面临以下问题 :应在何种情况下采用统一定价 ,何种情况下采用差别定价 ;如果采用差别定价 ,又如何科学合理的确定各子市场的价格。一、是否采用统一定价的分析设企业面临ｎ个子市场 ,其各子市场的销售量和价格分别为Ｑｉ 和Ｐｉ,(ｉ=1,2 ,… ,ｎ) ,需求函数为Ｑｉ=ｆ(Ｐｉ) ,企业总销售量为Ｒ =∑ｎｉ=1Ｑｉ。为使企业总收益Ｒ =∑ｎｉ=1ＰｉＱｉ=∑ｎｉ=1Ｐｉｆ(Ｐｉ)达到最大 ,应使企业总收益对各子市场产品价格的偏微分为零。即 :　　　　 ＲＰｉ=ｆ(Ｐｉ) Ｐｉｆ…     

具偏差变元的高阶中立型方程周期解的存在性

本文研究一类具偏差变元的高阶中立型方程dm/dtm(x(t)-∑n i=1 cix(t-ri))=g(t,x(t-τ(t))) p(t)周期解存在性问题,其中f,p和τ为R上连续函数,p(t 2π)≡p(t),τ(t 2π)≡τ(t),且∫2πo p(s)ds=0;g∈C(R xR,R)满足g(t 2π,x)≡g(t,x),(A)x∈R,ci,ri,(i=1,2,…,n)为常数,m和n为正整数.利用Mawhin重合度拓展定理,我们得到了周期解存在性的结果.     

房地产价格波动与投机行为--对中国14城市的实证研究

本文首先构建了适合中国的房地产投机理论模型,然后利用该模型对中国14个城市房地产价格波动与投机行为的关系进行实证研究.对14城市的时间序列数据研究结果表明各城市房地产投机水平都很高,个别城市更加突出.通过对14城市的截面数据分析,可以看出可支配收入对房地产价格没有显著影响,这些城市房地产价格的上升,主要是由投机来推动的,而且整体投机度非常高,说明房地产价格极大的偏离长期均衡值,市场出现了非理性繁荣,政府和产业部门应该采取适当的措施,积极引导消费者和投资者,为建立均衡的房地产市场提供良好的宏观和微观环境.     

宁夏银川市房屋销售价格指数未来走势的预测分析——基于ARIMA模型

本文选取了宁夏银川市2001年1月到2011年9月的房屋销售价格指数季度数据,建立ARIMA(p,d,q)时间序列模型,对未来一段时问的房屋销售价格指数进行了预测.实证分析结果表明,所选模型能较为精确地预测银川市房价走势情况,预测结果是比较合理和可靠的.     

凯恩思定律成立的条件和局限——兼析某些误解和曲解

生产和收入决定于总需求的理论是凯恩思经济学说的核心,又称凯恩思定律,从y=(α+i)/(1-β)看,β越大,即消费比例越高,产出或收入就会越多,与常识有明显背离.本文用数据和推理分析证明y=(α+i)/(1-β)仅是方程y=(βy+α)+i在数学上成立的必要条件,并非实际经济一定能产出这么多的证明或充分条件.本文以生产函数Y=PAKaLb为需求函数y=(α+i)/(1-β)的约束导出凯恩思定律成立的条件,得出β的值需随i的增加而减小.同时证明如不限定产出的时间,理论上消费系数和投资都可以很大,但β太大达到所需产出y=(α+i)/(1-β)的时间会很长,经济增长很慢甚至萎缩,实际不是消费拉动经济而是阻碍经济增长了.文章论证了把y=(βy+α)+i改造为yt=(βyt-1+α)it的想法是错误的,y=i+βi+β2i+……+βni=i/(1-β)与其说是产出或收入实现的过程,不如说是货币流通的过程,应除以物价指数P才是实际的产出或收入,投资乘数也变为K=1/P(1-β),并由此得出一种统计GDP的新方法.     

证券投资组合优化的数学模型分析

一、证券投资的收益率与风险投资者投资于某种证券是为获得收益。若投资者在 t时期初以单价 Pit购进证券 i,在该期发行证券 i的公司分发给投资者的单位证券股利或利息为 Ait,在 t 1时期初证券 i的市场价格为 Pit 1 ,则投资者在该期的投资收益率 ri=[(Pit 1 - Pit) Ait]/Pit。由于它受证券市场以及股份公司经营业绩等因素的影响 ,所以 ri 是一个随机变量 ,用其数学期望 ui=E(ri)表示该证券预期收益率的大小 ,ui 越大 ,则该证券的获利能力越强。假设投资者所能选择的证券种类有 n个 ,各种证券在证券总投资中所占的比重分别为 W1 、W2 、…