小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

期货价格预测理论的研究进展分析

本文对期货价格的预测理论进行了回顾,并综述了现代期货价格预测理论的研究进展.由于数学和计算机的发展,期货价格预测理论更为精确和科学.本文介绍了GARCH模型、ARIMA模型、BP神经网络分析和GEP算法在金融(主要是期货)价格研究中的应用,由于GEP算法的优越性,有望在期货价格预测中作出卓越的成绩.     

石油期货价格预测研究

石油期货是依附于石油的一种衍生工具,其价格是市场对未来油价的预期,准确预测石油期货价格成为政府、企业和研究者关注的重要领域。文章综述了国内外关于石油期货价格预测的研究模式、方法与现状,并探讨了该领域进一步研究的方向。     

期货投资技术分析

<正>技术分析是进行期货价格走势分析的重要方法之一,是指通过现在和历史的期货价格走势情况来预测其未来的价格走势。理论基础技术分析的理论基础是基于三个合理的假设:市场行为包容消化一切;价格以趋势方式演变;历史会重演。一是市场行为包容消化一切。技术分析者认为,任何能够影响某种商品期货价格的因素——基础的、政治的、心理的或任何其他方面的——实际上都反映在其价格变化之中。既然如此,研究价格就够了。     

基于改进BP神经网络的股票预测

股票价格走势已经成为人们关注的焦点,为了更精确的预测股票价格,得到更合理的股票投资意见.本文将附加动量法与BP神经网络结合,应用附加动量法去寻找BP神经网络的初始权值和阈值,并且应用主成分分析提取贡献率达到90%的主成分作为输入变量对股票进行预测,从而进行分析比较.实验结果表明,PCA-AM-BP模型在降低预测平均误差的同时,运行时间大大减少,加快了算法收敛速率.     

基于马尔可夫模型的燃料油期货价格预测实证研究

我国是世界上第二大能源消费国,及时准确预测石油价格是我国政府与相关企业降低能源成本和风险控制的重要一环。本文通过建立预测燃料油期货价格的马尔可夫模型,对上海期货交易所的燃料油期货价格预测进行实证研究。研究结果表明,同市场价格对比后能够确定符合期货市场的模型参数,并且随着模拟数量的逐渐增大,价格产生的波动率逐渐减小。因此,经过修正的马尔可夫模型能够预测燃料油期货价格的长期走势,这将为我国政府、相关企业和投资者进行燃料油价格预测提供理论参考依据。     

基于马尔科夫链的玉米期货价格预测模型

利用马尔科夫链具有随机性、无后效性及不过分依赖历史数据的特点,对具有马尔科夫性的期货价格、期货价格的状态区间以及它的成交量进行分析,建立期货价格的马尔科夫链模型,以求能对期货价格的未来走势进行一定的预测。通过研究2013年1月18日-2013年11月19日共201个交易日的玉米交易价格数据,将相邻交易日的差值的大小分为五个状态,建立一步转移概率矩阵,对其进行马尔科夫预测,对于未来交易日的交易价格的可能走势进行分析,得到的预测结果与实际走势相符。同时,该方法也预测出了在稳定状态下的交易价格的涨跌情况,获得了较好的效果。     

基于异质主体模型与RBF神经网络的黄金期货价格预测

期货价格具有一定的非线性和随机性,因而难于预测。将期货市场上的投资者划分为基本面分析者和图表分析者。这两类投资者有不同的交易策略,以不同的方式影响市场上期货价格的形成。结合异质主体模型与神经网络技术,设计RBF神经网络的输入与输出,构建网络进行黄金期货价格的预测。     

基于FCS-SVM的建筑业碳排放预测研究

科学预测建筑业碳排放对建筑的低碳发展具有重要意义。论文应用模糊布谷鸟搜索算法优化支持向量机模型对建筑业碳排放预测问题展开研究:首先构建建筑业碳排放测算模型,通过灰色关联度模型筛选建筑业碳排放的影响因素,在此基础上建立建筑业碳排放的模糊布谷鸟搜索算法优化的支持向量机(FCS-SVM)预测模型对建筑业碳排放进行预测。研究结果表明,FCS-SVM建筑业碳排放预测模型的精度高于BP神经网络预测模型以及混沌粒子群算法优化的BP神经网络(CPSO-BP)预测模型。     

美元指数与大宗商品价格关系的实证分析

美元指数对大宗商品价格会产生重要影响。以典型大宗商品黄金为例,基于Wind资讯2009年1月31日至2015年5月8日COMEX黄金期货价格与美元指数USDX的月度数据,实证研究发现:美元指数与国际黄金价格具有显著负相关关系。脉冲响应结果表明,来自美元指数USDX的冲击可单向引导COMEX黄金期货价格波动,反之则很微弱;方差分解结果显示,美元指数USDX的冲击对COMEX黄金价格波动的解释很强,反之贡献水平则很微弱。因此,就当前世界经济格局而言,黄金期货对美元指数仍具有较强的避险功能。但从长期发展看,有必要密切跟踪与深入研究世界主要货币地位的变化情况,以及时、准确预测大宗商品的价格走势与影响。     

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。     

中国黄金期货与黄金现货价格的实证分析

意旨探索中国黄金现货价格对黄金期货价格形成的作用机制。借助ADL模型和共同因子贡献法进行实证分析,研究了中国黄金期货价格与黄金现货价格的关系。研究表明,中国黄金期货价格与现货价格长期趋势是一致的,但是短期存在比较大的偏差,同时中国黄金期货和现货价格波动率序列之间有较高的依存度。由此中国黄金期货市场已具备一定规避风险的功能。     

Cointegration and price discovery in US corn cash and futures markets

Using prices from 182 cash markets from seven states and the Chicago Board of Trade futures, we investigate cointegration and price discovery for corn. Analysis based on cash–futures pairs reveals that cointegration holds for 52 cash markets and failures tend to happen farther away from futures delivery locations. Cash generally are as important as futures prices as information sources in the long run and cash to futures information flow is most likely in the short run. Contributions to price discovery also are measured quantitatively for cointegrated cases. Analysis based on state-level cash prices indicates bidirectional information flow between cash and futures prices under a bivariate model, and futures to cash information flow under the octavariate model with all cash and the futures series. Comparisons of the two models show that including local cash markets in a price relationship model highlights cointegration and the futures’ price discovery role and could benefit cash price forecasting. Finally, evidence of nonlinear causality is found.     

中美白糖期货市场价格发现功能的比较研究——基于2006—2008年的时间序列数据

本文运用协整分析、Granger因果检验、误差修正模型、信息共享模型、方差分解模型和脉冲响应函数,对2006—2008年中美两国白糖期现货市场价格之间的长短期变动关系进行了计量分析与横向对比。研究发现,我国白糖期货市场价格发现功能已初步显现,但我国白糖期货市场中期货价格对现货价格的引导作用与美国的成熟市场还存在较大差距,我国白糖期货市场价格发现功能的发挥水平还有待提高。     

知识型员工心理契约预测方法研究——基于回归树和RBF神经网络的学习算法

以知识型员工心理契约为研究对象,结合在国内三家知识型员工企业调研的实测数据,建立基于RBF神经网络的心理契约预测模型,同时为实现对RBF神经网络预测效率的优化,选择回归树与RBF神经网络相结合的方式,力求实现两者的优势互补,建立一个高效便捷的回归树与RBF神经网络相结合的知识型员工心理契约预测模型。结果表明:通过回归树、RBF神经网络预测数据结果与在三家知识型员工企业实际施测数据结果比较后发现,回归树与RBF结合的神经网络预测数据结果具有较高的准确性。因此,我们可以认为基于回归树的RBF神经网络的学习算法和以该算法为核心的知识型员工心理契约水平预测模型是有效的,该模型对知识型员工心理契约水平的预测具有较高的准确性。该模型能够替代以往对知识型员工心理契约主观预测的方法,使心理契约的预测过程更为高效,预测结果更加科学。     

Catching the curl: Wavelet thresholding improves forward curve modelling

Modelling futures term structures (price forward curves) is essential for commodity-related investments, portfolios, risk management, and capital budgeting decisions. This paper uses a novel strategy, wavelet thresholding, to de-noise futures price data prior to estimation in a state-space framework in order to improve model fit and prediction. Rather than de-noise the raw data, this method de-noises only wavelet coefficients linked to specific timescales, minimizing the amount of information that is accidentally removed. Our findings are that, for the first five futures maturities in our sample data, in-sample (tracking) and 5-day-ahead out-of-sample (forecasting) Root Mean Squared Errors (RMSEs) are smaller both (i) when we increase the number of factors from one to four, and (ii) when we de-noise the data using wavelet thresholding. The improvement due to wavelet thresholding is often greater than the improvement from adding one more factor to the model, which is important because going beyond four factors does not improve model fit. Wavelet-based de-noising thus has the potential to improve considerably the estimation of various economic time series models, helping practitioners and policymakers with better forecasting and risk management.     

基于最优组合预测模型的港口集装箱吞吐量预测

根据港口集装箱吞吐量非线性增长等特点,建立了三次指数平滑预测模型、灰色系统预测模型及BP神经网络预测模型等单项预测模型。鉴于单项预测模型的局限性,提出了以测试数据的预测误差绝对值加权和最小为最优化准则的最优组合预测模型,采用线性规划的方法确定最优组合的权系数。最后,给出一个实例进行应用和分析。     

异质信念、投机均衡与农产品期货定价*

农产品期货市场套利并不充分,交易者也不是完全理性的。本文假设农产品期货市场有限套利、交易者异质信念并遵循“经验法则”预期,构建了农产品期货投机均衡定价模型,并认为集中竞价规则下产生的农产品期货价格是由交易者的预期决定的;前期期货价格水平、现货价格和前期期货价格的变动趋势、不同类型交易者的比例结构及其预期模式共同影响农产品期货价格的形成与波动;基本分析法交易者占主导地位的农产品期货市场具有更高的套期保值与价格发现效率。针对中国七种主要农产品期货的实证结果显示,农产品期货投机均衡定价模型对解释中国农产品期货价格的形成与波动是有效的。这意味着在期货行情系统中实时披露现货价格信息,培育和引导交易者运用基本分析法预测期货价格走势,有助于提升农产品期货市场的效率。     

基于ANFIS和GA的多级分销链预测模型

为提高分销链企业的预测水平,优化分销链中各级企业库存管理,提出了基于自适应神经模糊推理系统(ANFIS)的单级预测模型和成本目标函数的多级预测模型。利用ANFIS模糊推理机制实现了其输入层与输出层间的非线性映射及该神经网络的信息存储和学习能力。从分销链整体成本优化的角度建立了多级预测模型并应用遗传算法(GA)进行求解。仿真结果表明,ANFIS与BP神经网络相比具有较高的准确性;在一定程度上改善了分销链中订货信息多级放大的现象。