人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

组合预测模型在货运量预测中的应用

本文对灰色预测模型和ARIMA预测模型进行组合,建立了组合模型,并应用于货运量的预测,实证预测表明,组合模型的预测精度优于单一的预测模型,预测结果与实际货运量拟合较好。     

证券分析师与统计模型对盈余预测的准确性比较及两者的改进模型

本文使用2009年1月至2010年3月99家券商对我国上市公司作出的每股盈余预测数据,考察了证券分析师对于统计模型的相对准确性及其改进模型的准确性。研究表明,我国的证券分析师预测同以年度数据为基础的年度统计模型相比具有显著优势,同以季度数据为基础的季度统计模型相比也具有显著优势,只是优势相对较小。在考察改进模型与证券分析师预测的相对准确性时,我们发现以季度统计模型和证券分析师预测为基础的改进模型战胜了证券分析师预测,而以年度统计模型和证券分析师预测为基础的改进模型的准确性则依旧小于证券分析师的预测。     

我国上市公司财务危机预警模型的实证研究

本文以我国上市公司指标为研究对象,以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本,选取了6个变量指标,通过单变量模型,一元判定模型,Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测,误差大,预测能力差,而Fisher模型和logistic模型从多变量进行预测,预测能力明显比单变量强,其中logistic模型预测能力最强。     

高龄人口死亡率预测模型的比较与选择

高龄人口死亡率预测模型是人口预测、养老金成本和债务评估以及长寿风险度量与管理的基础。我国大陆地区高龄人口死亡数据量少、数据波动性大,如何选择适合我国高龄数据特点的死亡率预测模型,是重要的研究课题。本文在归纳总结死亡率预测模型研究进展的基础上,先采用数据较为充分的台湾地区高龄死亡数据,选用Lee-Carter、CBD、贝叶斯分层模型等八种死亡率模型,对模型的拟合效果、预测效果和稳健性做出比较。在此基础上,基于修正和平滑后的我国大陆人口死亡数据,采用CBD模型和贝叶斯分层模型建模和预测。结果显示:贝叶斯分层模型能捕捉我国大陆高龄死亡率数据的历史波动,预测区间能够涵盖全部死亡率的真实值,但预测区间过宽,生存曲线不收敛;相比之下,CBD模型对我国大陆地区高龄死亡率的拟合和预测较好,预测区间和生存曲线合理。在长寿风险度量中,建议采用CBD模型。     

灰色预测在股票价格中的研究应用

股票价格的预测对于投资者的投资决策有着实质性的影响,因此,通过建立正确的股票预测价格模型对于投资者的投资决策有一定的指导作用。本文运用股票价格的灰色预测方法,并且通过MATLAB程序,研究灰色GM(1,1)模型以及它的修正模型Verhulst模型在股票市场中的应用。在短期内,GM(1,1)模型可以做出股价的预测,但是由于在实际应用中没有考虑到其他因素对于其自身的影响,因此对于长期的股票价格预测,由于其数据变动序列庞大,模型的精度有所降低,而修正的Verhulst模型则更适合研究实际长期股价变化的预测。     

人民币汇率预测和分析——基于ARIMA模型和GARCH模型

自2005年7月人民币汇改以来,人民币持续升值。人民币汇率变动对货币政策的制定和在遏制经济过热,降低通货膨胀压力方面都有重要影响。本文采取时间序列分析方法中的ARIMA模型和GARCH模型对人民币／美元汇率日中间价进行预测分析,发现ARIMA模型的预测能力要强于GARCH模型。但尽管如此,两模型的Thcd不相等系数都十分接近,表明汇率预测效果不理想,原因是人民币汇率受到国家管制,汇率形成机制市场化程度不高。     

北京市软件与信息服务业发展预测

灰色GM(1,1)模型可以预测较短时间序列的发展态势,马尔可夫模型可以对具有随机波动性的时间序列进行预测。本文结合了两种模型的特点,综合预测了2008年和2009年北京市软件与信息服务业营业收入可能达到的规模,从而对新兴产业的发展预测提供了一种尝试。     

我国通货膨胀非线性动态特征与通货膨胀预测模型的选择

通货膨胀预测对于中央银行制定和实施货币政策非常重要,目前我国尚未形成完备的通货膨胀预测机制,系统的、全面的通货膨胀预测模型和方法也相对匮乏,造成中央银行在制定和调整货币政策时缺乏直接依据。针对这一现状,采用LSTAR模型刻画了我国通货膨胀非线性动态特征,并在此基础上比较无限制VAR模型、LSTAR模型和贝叶斯向量自回归模型(BVAR模型)的预测效果。实证结果表明,加入国际原油价格指数、银行间同业拆借利率和贷款规模变量的BVAR模型预测精度较高,并且模型的解释力较强,能够较好地预测我国现阶段的通货膨胀趋势。     

上海锌期货价格的组合预测分析

本文利用锌期货价格的历史信息和上海锌的现货价、伦敦锌期货价格等分析预测上海锌期货价格。针对单一模型存在预测误差大的问题,本文结合时间序列ARIMA模型、回归模型及组合模型来分析预测锌收盘价,结果发现组合预测模型的精度高于单一模型的分析,即用组合预测模型来预测锌期货价格是一种相对可取的方法,可以为投资者和期货经纪公司提供一定的参考价值。     

基于卡尔曼滤波算法的上证50指数预测

本文基于ARMA模型构建卡尔曼滤波算法的线性状态空间模型,然后利用ARMA模型的卡尔曼滤波算法来预测上证50指数,并且将预测结果与基于ARMA模型的预测结果进行了比较,结果表明,结合了ARMA模型的卡尔曼滤波算法的预测准确度为52.1%,明显优于单纯的ARMA模型。     

桂林市入境旅游客流量的预测研究--基于多元线性回归模型与 GM（1，1）的比较

以2005～2012年桂林市入境旅游客流量为研究对象,借助于 MATLAB及 SPSS软件,建立了多元线性回归模型和 GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明：采用 GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

考虑模型不确定性的中国死亡率预测——基于贝叶斯模型平均方法

作为长寿风险研究领域的基础,死亡率预测近些年获得快速发展,诸多模型的提出使得历史数据的信息得以最大程度的挖掘,但也带来了模型不确定问题。本文对现有的死亡率预测模型进行了分析和整理,提出其中的模型不确定性问题,并针对死亡率预测的模型不确定问题,引入了贝叶斯模型平均方法。该方法以贝叶斯后验概率为权重,综合考虑“一揽子”预测模型的预测能力,并根据它们预测吻合程度进行加权,最终给出死亡率预测结果,结论表明,不但在理论上表现出超过单一模型的优势,也在实践中超过了任何一个单一模型。本文还给出了基于该模型的死亡率预测结果和预期寿命。     

桂林市入境旅游客流量的预测研究——基于多元线性回归模型与GM(1,1)的比较

以2005²012年桂林市入境旅游客流量为研究对象,借助于MATLAB及SPSS软件,建立了多元线性回归模型和GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明:采用GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

动荡市场环境下波动率预测模型的选择

本文应用不同的GARCH族模型来预测我国的股市收益的波动性,从而检验和对比在市场环境受到高度冲击的,剧烈动荡情况下这些模型对我国市场的预测能力,并通过和前人研究成果对比,分析市场冲击对模型预测能力的影响.结果显示:TGARCH模型对于我国市场波动的预测结果都是最佳的,而EGARcH模型对于波动的预测结果也要好于GARCH(1,1).同时,在市场走势相对平稳的时间段里,模型的预测偏差比较小,而在市场的内外部环境剧烈变动,产生巨大冲击的情况下,模型的预测效果显著下降了.     

基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

基于混合神经网络模型的国别风险评估研究

本文基于计量分析处理多指标数据的优势,结合神经网络最优化模型解的特点,构建了评估和预测国别风险的混合神经网络模型。其中相关性分析和Logit回归分析的结果显示,预测国别风险的两个重要指标是商业自由度(EBI)和外汇储备总额与外债总额之比(RED);运用两个指标进行预测,多元感知器神经网络模型的预测准确度达到了100%,与其可相互替代的概率神经网络预测模型的准确度达到了90.91%。两个模型的预测结果相互支撑和验证,在一定程度上证明了混合神经网络模型在国别风险预测上具有较强的适用性和可信性。     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。