白银做市商佣金、资金流实证分析

文中使用多元回归模型,Granger因果检验法,向量自回归VAR,脉冲响应函数对一家白银做市商平台佣金的影响因素,资金流量与存量之间的关系作出实证分析.结果表明:存款、仓息、取款、返佣、盈亏对佣金都有相关关系,其中以仓息对佣金的消减幅度最大;交易额即平台资金流量每增加1元会有0.65元沉淀在平台里.平台资金存量的扩大,对资金流量的提振幅度不大,仅有0.04个单位.通过格兰杰因果性检验发现交易额是结余额的格兰杰原因,结余额不是交易额的格兰杰原因.最后作了脉冲响应函数分析并对这个白银做市商平台的运营提出了建议.     

基于XGBoost和LSTM模型的金融时间序列预测

随着人工智能快速发展,深度学习模型预测金融时间序列成为热点问题.数据及特征选取是决定模型效果的重要环节,用XGBoost模型进行特征优化并预测黄金价格涨跌趋势,再与LSTM模型比较预测效果.用XGBoost分析动量因子特征重要性并选取有效指标;形态因子做历史回测并选取胜率较高的K线指标,预测准确率提升1.5％.以相同因子为LSTM模型特征值预测准确率提升6.5％,达到80％.以欧元和浦发银行股价数据为样本均证实K线指标有效且LSTM模型预测效果优于XGBoost.     

澳元的短期预测

澳元被称为"商品货币"其汇率变动可以对分析和预测未来国际大宗商品行情,并为人民币汇率的变化提供指引。本文用ARMA模型对澳元2009年9月4日至2013年12月27日的周收盘价数据进行分析,并预测出未来一周的收盘价数据。结果表明预测澳元汇率与实际汇率误差较小,ARMA模型非常适合于短期预测,我们给出了相应的投资建议。