基于ARIMA模型的比特币价格预测研究

比特币是一种由开源的P2P软件产生的电子货币,是一种网络虚拟货币,是目前世界上应用最广泛的加密电子货币。比特币的价格波动非常大,近期也是处于一个高波动期。由于比特币主要用作资产而非货币,比特币市场投机性强,波动性更大,同时,与其他投资市场相比,比特币市场效率低下。故对于比特币价格的预测与分析的研究具有重要意义。本文主要选用了2013年10月到2019年4月的比特币收盘价进行分析,采用了ARIMA模型,首先对原始数据的序列进行平稳性检验,数据不稳定时,对数据进行平稳化处理并进行单位根检验。序列平稳时,对比各参数,建立合理的ARIMA模型,同时,与自动生成的ARIMA模型进行比较,选择较为优良的模型进行价格的短期预测。     

基于ARIMA模型的广州市商品房价格预测

商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。     

基于参数与非参数GARCH模型的中国股市波动性预测

本文采用了2003年1月1日——2010年6月30日的上证综合指数和深证成份指数的每日收盘价所得的对数百分收益率为样本,分别运用标准GARCH（1,1）模型和非参数GARCH（1,1）模型[1,3]研究了中国股票市场的波动性,并对这两种模型的估计结果进行了比较,最后利用误差度量指标比较了这两种模型的估计能力,结果发现,非参数GARCH（1,1）模型对股市波动性的预测精度有明显的优势。     

基于“可预测的非理性”价格策划模型探讨

企业在进行市场营销时,价格策划是最重要的策略,所以应该结合多种策略来进行运用,以达到最佳的效果。但在现实社会中很多现象无法用传统经济学的理论去解释,但却可以用行为经济即实验经济学去解释,即人在做决策时往往是"非理性"在起支配作用,但这种非理性却是可以预测的。因为它用行为学的方式来解释一些传统经济学解释不了的现象,并且取得了很好的效果。从"非理性"出发,通过两个模型来进行价格策划,为企业的价格策划提供一定的参考。     

基于支持向量回归的股市波动性预测

详细介绍利用支持向量回归方法进行金融时间序列预测的建模原理。将其应用到深圳股票市场的数据,进行预测。最后运用6种误差统计量对预测结果与基于BP算法、基于ARCH（1,1）模型、基于GARCH（1,1）模型的4种预测结果进行比较,并得出结论：基于支持向量回归的预测方法最优。     

基于人工神经网络蔬菜价格预测

蔬菜价格价格受各种不确定的因素影响,价格具有严重的非线性、随机性和高噪音,导致了预测的难度.因此,运用神经网络具有自适应、自学习和高度容错性的特点,建立起以L-M为训练函数的反向传播算法的人工神经网络模型来预测蔬菜的价格,最后通过算例验证,表明该方法有效.     

基于DBSCAN-DNN的房地产价格预测

影响房价的因素不再仅限于地区,还受出行便利程度、房屋区域热度的影响。针对房屋集群的识别与进一步研究,对于及时把握供需关系、价格等都有极大的帮助。文章基于密度的聚类(DBSCAN)和深度神经网络(DNN),对房屋集群进行识别聚类,根据簇的结果与房价影响因素训练神经网络,达到房价预测的效果。实验结果表明,对所采用的数据进行预测达到准确的效果。通过研究,可为集群房屋区位定价提供参考。     

基于随机森林模型的生猪价格预测及调控机制研究

生猪产业在国民经济中的重要地位及自身的“弱质性”决定了国家对生猪产业发展的原则是“市场主导、政府调控”,而国家对生猪产业宏观调控的有效性取决于用科学的方法 对生猪价格进行预测。研究得出:随机森林价格预测模型中的两个最优参数ntree、mtry的值分别为450和4,随机森林模型预测的残差平方和0.72,拟合优度为98.25%,说明拟合效果较好;在特征选取上,综合平均下降精度和平均下降基尼系数的排序结果,得出影响生猪价格因素最重要的两个变量是去皮带骨猪肉和仔猪价格;随机森林模型和BP神经网络模型对价格的预测对比发现:随机森林模型中均方误差和平均绝对误差分别为0.0231和0.408,BP神经网络模型中均方误差和平均绝对误差为0.0828和0.71,随机森林在生猪价格预测方面预测精度更优。     

基于小波变换和时间序列模型的Brent原油期货价格预测

本文将小波分析与时间序列模型结合应用于布伦特国际原油价格预测,通过对小波分解与重构方法将油价时间序列分解为趋势(高频)部分和细节(趋势)部分,然后采用ARMA模型对分解后的油价进行样本内预测。实证研究表明,基于小波的组合模型具有较高的预测性能,同时验证了该方法的可行性和有效性。     

基于DCC-MVGARCH模型的中外股市联动性分析

随着经济全球化和金融自由化越来越强,国际上主要股票市场经常呈现齐涨共跌的趋势。通过使用动态相关系数(DCC-MVGARCH)模型,本文对亚洲金融危机、美国次贷危机和欧债危机下,我国大陆股市与境外香港股市、日本股市、美国股市和欧洲股市之间的联动性进行了研究,结果发现我国股市与境外主要股票市场之间的联动性有增强趋势,尤其是在美国次贷危机以后,其动态相关系数明显增大的态势。     

基于RBF神经网络的权证价格预测

本文介绍了RBF网络的原理、数理表达和拓扑结构,并且以康美CWB1(580023)权证为样本,使用RBF人工神经网络,将标的股票价格和权证规定的行权价格之比、无风险利率和权证到期期限作为输入,权证价格作为输出进行了仿真分析和预测,同时将预测结果与BS模型预测结果做了对比。根据实证结果,发现RBF网络对权证价格的仿真结果精度较高,与实际价格偏差较小;RBF网络模型在价格预测的精度上优于BS模型,对我国权证价格分析方法的发展和完善具有极大意义。     

基于特征价格模型的沧州市二手房价格评估

本文运用特征价格模型,以沧州市二手房为研究对象,调查收集沧州市主城区二手房交易数据,运用SPSS19.0软件对调查数据进行分析,得出影响二手房价格的特征变量数据,构建沧州市二手房价格估价模型。     

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。     

基于客户关系的价格模型研究

随着我国客户关系管理体系（CRM）的逐渐成熟,基于客户关系的价格模型的应用和前景也十分广阔。客户关系管理（CRM）是推动企业业务流程再造的以客户为中心的商业战略的实施,它是一个通过了解客户需求改变其行为的过程。基于了解程度的不同,差别对待客户的需求不同,企业对待客户的方式不同,企业通过CRM与客户建立的关系也不同。本文试图分析现有企业CRM的应用情况,了解客户偏好以及如何向客户提供增值产品和服务,借助确定客户的优先次序即其对于企业的重要性的PVI指数法,建立一套CRM-PVI模型,为企业设定合理的定价方案提供思路。     

我国食糖价格波动趋势及预测——基于GARCH模型的分析

糖料关系民生,既是人民生活的必需品,也是食品工业及其下游产业的基础原料。糖业的发展对于农民增收和地区经济发展具有重要意义。本文分析了食糖价格周期性变化的原因,选择指数ARCH模型对未来食糖价格指数进行了预测,并对如何促进食糖市场的稳定提出相关政策建议。     

ARIMA模型在农产品价格预测中的应用

农产品在我国社会经济发展过程中扮演着举足轻重的基础性作用,如水稻、小麦、玉米、花生等农产品与我们的日常生活息息相关,其是社会经济发展、人们丰衣足食与百姓安居乐业的基础性保障工程。本文主要在农产品定义与内涵的基础之上,针对ARIMA模型基本思想及数学模型重点分析农产品价格影响因素,最终分析了AR[MA模型在农产品价格预测中应用及作用。