对武钢股份贝塔系数的实证分析

资本资产定价模型(CAPM)是现代金融市场价格理论的支柱。β系数也称为贝塔系数,是一种评估证券系统性风险的工具,用以衡量一种证券或投资组合相对总体市场的波动性。本文以武钢股份为研究对象,选取了2010年1月至2014年12月的上证指数和武钢股份的收益率,运用计量经济学中的最小二乘法(OLS)建立一元回归模型,计算出武钢股份的β系数。     

基于一元回归的大蒜价格的预测

针对北京大蒜周价格变动现象,采用一元二次函数模型预测了未来两周大蒜的均价格。首先,介绍了一元线性回归模型、二次函数回归模型、指数函数模型以及回归评价方法;其次将北京某蔬菜批发市场的大蒜周均价格作为样本数据,用三种模型分别计算回归系数和确定系数,从而确定了用二次函数模型预测大蒜的周均价格;最后预测了未来两周大蒜的周均价格,并和实际的价格作比较,从而验证了二次函数回归模型预测大蒜周均价格的可行性。     

ARIMA对我国上证指数的预测研究

采用自回归移动平均模型(ARIMA),选取了上证指数2011年5月1日至2012年5月1日共242个交易日收盘数据进行短期预测,结果显示,ARIMA(3,1,1)对上证指数有较好的预测效果,为投资者在股票市场的投资提供了有效参考。     

我国保险业股票β系数稳定性分析

文章将2015年6月12日至2019年9月6日共计1036个交易日的沪深300指数日收益率作为市场平均收益率,利用Eviews 9.0计量分析软件,分别采用单一指数模型与邹氏稳定性检验方法对我国保险业的6家上市公司的β系数及其稳定性进行估计与分析,发现我国保险业股票β系数的稳定性存在差异化现象,小规模保险公司股票的β系数相较于大规模的保险公司来说更加稳定。     

沪市有色金属行业股票β系数的实证研究

近几年来,有色金属价格连续上涨,刺激了国内外众多资本投资有色行业,形成了前所未有的投资热潮。但随着国家宏观调控趋紧和美国次贷危机的爆发,有色金属价格也随之波动。为度量我国上证有色金属板块的系统性风险,文章以上证有色金属板块股票为研究对象,运用CAPM模型计算各个股票的β系数和可决系数R2;尤其对经历股改的股票同时计算股改前后的β系数,并利用CHOW检验方法对β系数的稳定性进行检验,进而分析出股改的效果。     

基于ARIMA的多晶硅组件价格预测

本文依据北极星光伏商务通网站多晶硅组件价格相关数据,采用时间序列分析法,对2012年4月20日至9月20日多晶硅组件价格周数据进行了分析。通过对数据的平稳性检验、模型的确认、模型检验等综合分析,建立了ARIMA(0,2,4)时间序列模型,对预留最后3周的数据进行预测。预测结果表明,实际值与预测值之间的绝对误差均在1.43%以内,误差率均在2.46%内,该模型有较好的短期预测效果,能较好地模拟并预测多晶硅组件价格变化的趋势,为光伏企业产品价格的准确预测提供了重要方法。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。     

组合预测方法在苯乙烯价格预测中的应用研究

苯乙烯是国民经济发展中重要的基础石化产品,其价格影响因素复杂,波动较大。本文基于灰色预测和指数平滑预测的基本理论,提出了一种新的基于灰色GM(1,1)模型和三次指数平滑模型的线性加权平均的组合预测方法,并以2010年1月到9月的苯乙烯周平均价格作为历史数据,对2010年10月的4个周平均价格进行了组合预测。结果表明,预测误差大大减小,预测精度显著提高。     

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。     

基于Box-Jenkins法的煤炭价格预测研究

Box—Jenkins法在国内和国外得到了广泛的运用,本文以秦皇岛煤炭市场的山西优混的周价格时间序列为研究对象,运用Box—Jenkins法,建立了短期煤炭价格的ARMA(121)模型,通过拟合与检验,证明模型的效果是较好的,并用之进行了短期煤炭价格的预测,结果也表明,该模型的预测结果是比较准确的,是合乎煤炭价格风险管理的基本要求的。     

猪肉价格波动与通货膨胀相依关系研究

本文将具有资本品特征的农产品称为资产化农产品,以猪肉作为资产化农产品的代表,利用五种Copula函数计算了通货膨胀率序列和猪肉价格指数收益序列的相依系数;通过AIC和BIC法则选择Frank Copula为最优模型,并基于Frank Copula模型计算了通货膨胀率和猪肉价格波动率之间的Kendall’τ和Spearman’ρ相依系数。结果表明通货膨胀率和猪肉价格波动率之间存在正的相依关系,猪肉价格上涨对诱发通货膨胀有很强的推动作用。     

中国银行间国债市场利率期限结构实证分析——基于Nelson-Siegel模型

利用粒子群算法,以2007年1月—2009年12月中国银行间国债市场的日交易数据模拟Nelson-Siegel模型,通过构建参数β1和β2的AR(2)模型对利率期限结构进行预测,样本内的预测结果比较理想,但样本外的预测绩效不佳。     

秦皇岛煤炭价格预测研究——基于因素分析法和支持向量机模型

煤炭是我国重要的战略资源,其价格波动对国民经济影响重大。本文选取了煤炭产量、煤炭销量、进口量、国际原油价格和秦皇岛煤炭交易月度价格为样本数据,建立基于因素分析的支持向量机模型(FS-SVM)对秦皇岛的煤炭价格进行了预测分析,并与神经网络模型(BPNN)和无因素分析的支持向量机模型(SVM)的预测结果进行了对比。结果表明,以因素分析的结果作为输入的支持向量机模型可以有效地预测市场煤价,其预测结果可为大型煤炭消耗型企业购煤决策提供指导性意见。     

中国银行间国债市场利率期限结构实证分析——基于Nelson Siegel模型

利用粒子群算法,以2007年1月—2009年12月中国银行间国债市场的日交易数据模拟Nelson Siegel模型,通过构建参数β1和β2的AR(2)模型对利率期限结构进行预测,样本内的预测结果比较理想,但样本外的预测绩效不佳。     

时间序列分析在股价建模及预测中的应用

我国的股票市场是一个高度复杂的非线性动力系统,现实生活中预测股市的未来变化具有十分重要的意义。近年来,基于时间序列分析的预测方法在各个领域中都得到了广泛的应用。而对股票价格进行预测较为普遍的模型就是时间序列模型,因此本文将时间序列建模方法应用于股票收盘价的建模和预测。文章采用中国石化157个交易日（自2013年6月19日至2014年2月11日间）内股价数据为研究对象,采用ARIMA模型进行建模和预测。     

基于上证指数收盘价标准差系数的时间序列预测

稳定性是衡量股票市场风险程度的一个重要的指标,主要通过方差的计算来对稳定性进行度量.本文通过对上证指数2008年12月到2012年1月每月全部交易日收盘价的标准差系数进行研究,运用ARIMA时间序列技术,得出预测模型,对未来的标准差系数进行预测.     

上海股市系统性风险的长期变动特征研究

本文建立DCC-MVGARCH模型估计上海股市80家上市公司的时变β系数,分析β系数的统计特征,并采用R/S分析法研究时变β系数序列的长记忆特征,进而建立ARFIMA模型对β系数进行短期预测。研究结果表明,上海股市系统性风险水平偏高;时变β系数序列具有长记忆特征;描述长记忆的ARFIMA模型能够更好地描述β系数序列的长期变动特征并更为精确的预测未来期β系数。     

高油价卷土重来目标直指60美元

过去两周，国际原油价格累计攀升了5个多美元，其中4月份交货的纽约轻质原油期货价格在2月25日以每桶5149美元报收，与2005年首个交易日收盘价相比，升幅达23％。一些分析人士担心，市场供求关系紧张很可能导致高油价卷土重来，甚至突破每桶60美元的心理大关。     

股指期货期现套利交易与ARIMA模型构建

文章通过在ARIMA模型时间序列分析预测期现货价格的基础上,建立股指期货期现套利模型。以2011年5月23日至7月15日沪深300现货和IF1107期货合约真实交易数据为研究对象进行实证分析,结果表明ARIMA(3,1,3)模型很好的拟合了价格序列,并给出了期现套利交易策略实现无风险套利。     

上证A股指数的走势分析与预测——基于时间序列模型

本文旨在以时间序列模型为基础,选择上证A股指数为研究对象,对上证A股指数在2008年1月-2012年5月的53个月度数据eviews软件进行进行实证分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,对变量的发展规律进行了研究,并对未来三个月的上证A股指数做短期预测。通过研究分析可知计算所得的相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。