基于组合预测方法的“十二五”期间安徽省住房价格预测

以安徽省2001-2010年住房销售面积以及销售额为样本,采用灰色预测、三次指数平滑和BP神经网络三种预测模型,基于预测误差平方和最小为最优准则建立诱导有序加权平均算子组合预测模型,预测安徽省未来五年的平均住房价格。根据预测结果,安徽省未来五年平均住房价格以14.43%的速度增长。     

基于组合预测方法的需水量预测

本文在概述组合预测法的基础上,探讨了需水量的预测方法.尤其是建立了基于回归分析和灰色预测的需水量组合预测模型.通过实例对组合预测的结果与线性回归、灰色预测的结果进行了比较,结果表明组合预测模型的精度比单一模型的预测精度明显提高.     

安徽省人均可支配收入的预测——GIOWA算子的优化组合预测方法应用

以安徽省最近20年的人均可支配收入数据作为分析样本,运用GM(1,1)、ARIMA(p,d,q)和BP神经网络三种单项方法给出预测.这些单项预测方法在各个时点的预测精度不一,预测的稳定性欠佳,而对他们重新进行变权组合,构建基于算术平均最小贴近度的GIOWA算子优化组合预测方法,取得了比每个单项预测方法更加优良和稳定的效果,并将该方法应用于人均可支配收入的预测,效果理想,方法优良,值得推广.     

基于实证分析的企业财务风险预测及控制

摘要：财务风险有可能对企业的生存与发展产生致命性影响。因此。企业不仅要善于识别、预测和评估财务风险。还要在此基础上采取有效措施加以防范和控制．将财务风险降低到可接受的程度。本文从运营能力、偿债能力和盈利能力三个方面对企业面临的财务风险做出评估，在实证分析基础上探讨了企业财务风险的预测及控制问题．给出了控制财务风险的一般策略和具体方法。     

预测胜负

足球彩票与足球比赛同世界上的万事万物一样都具备不确定性和复杂性。所以,对足球彩票和足球比赛的预测分析往往会带有某种程度的风险,这意味着在预测的基础上做出的决策会有失败的可能性,但预测能力的提高往往会大大减小风险性,提高足球彩票的成功率。     

高速公路短时交通流量组合预测

短时交通流量预测是交通运行状况分析与交通诱导的基础。考虑到不同交通流量预测模型的各自功能与应用条件,文章构建了一种基于自适应指数平滑和RBF神经网络的组合预测模型。该模型根据各个基本模型计算的前一时刻预测误差均方差来动态调整加权系数,从而综合利用各个基本模型在不同时段的预测优势,最后采用实例分析对组合模型和两种基本模型的预测性能进行比较,验证了组合模型在高速公路短时交流流量预测中的可靠性。     

基于泰勒规则的人民币汇率预测研究:兼论多种汇率决定模型预测比较

文章选取了无抛补利率平价、购买力平价、弹性/粘性价格货币模型、巴拉萨-萨缪尔森模型、资产组合模型、泰勒规则等理论模型,采用DMA/DMS、TVP-VAR、BMA等计量模型,并选择2005年7月至2016年12月数据作为研究样本对人民币汇率进行样本外预测,结果发现上述理论模型均对人民币汇率具有一定的预测能力,但只有泰勒规则模型预测能力高于随机游走模型,其余6种理论模型对人民币汇率的预测能力并不比最简单的随机游走模型强。同时,基于多种计量模型的结果显示,DMS模型对人民币汇率预测的绩效最佳。进一步通过拓展后的泰勒规则模型对人民币汇率进行预测时发现,短期内央行外汇干预发挥的作用最大,汇率预期和风险溢价分别在中期和长期的预测结果中表现最为明显。     

企业债务违约风险与货币政策立场——微观财务信息的宏观预测价值

文章基于2004年第一季度至2019年第三季度数据,构建汇总层面的利息偿付倍数、现金持有水平以及会计盈余作为企业债务违约风险的代理变量,考察其对国家货币政策调控立场的预测价值。研究发现：（1）汇总层面的企业债务违约风险越高,政府未来越倾向于采取更为宽松的货币政策,表现为未来信贷投放规模的增长和借贷利率的下降;（2）分析师宏观预测以及投资者的投资决策也一定程度上考虑了汇总层面的企业债务违约风险。研究表明,汇总层面的企业债务违约风险能够反映实体经济的资金供求状况,从而对货币政策立场发挥一定的预测价值,有助于监管当局提高对宏观经济的监测和预警能力。     

基于组合模型的股票预测研究综述

随着金融业数据环境的日益复杂,利用传统单一模型进行高精度股价预测变得愈加困难。面对日益突出的股票分析技术需求,组合预测模型开始得到发展并取得了很多成果。首先介绍影响股价波动的分析指标,概括基于传统统计预测模型、机器学习、神经网络等单一预测模型在股票预测中的优势与不足。然后依据组合预测模型的组合形式,将其分为线性模型的组合、非线性模型的组合以及线性与非线性模型的组合3种类型,并报告多种组合模型的实际应用与研究现状。最后,对组合模型股票预测方法的有效性和稳定性进行展望。     

民航客运量预测方法研究综述

为了提升民航运行效率、准确预测客运量,促进其可持续发展,采用分类学方法将民航客运量预测方法划分为传统统计学、机器学习、组合模型3大类。详述各类方法的改进原理、效果和应用,通过数据处理、权重调整、参数优化和结构改进提高准确性,并总结组合模型相对单一模型的优势。实证研究结果表明,组合预测模型相较于单一模型具有更高的准确性,并指出结合人工智能和大数据技术的发展趋势,构建优秀的组合预测模型将是提高准确性的潜在研究方向。     

基于自注意力 TCN模型的人民币汇率预测

随着人民币汇率市场化改革的持续推进，汇率的潜在波动空间扩大。汇率波动关系到投资策略的制定及风险监管的实施，对其进行准确预测具有重要意义。深度学习以其强大的非线性拟合及特征提取能力在汇率预测领域受到关注。选取TCN（时序卷积网络）模型并在其基础上加入自注意力机制进行改进，构建SA-TCN模型，同时加入VIX（波动率指数）衡量市场情绪，以实现对汇率波动的精准预测。实证结果显示，相较于目前常用的LSTM、GRU模型及基础的TCN模型，SA-TCN模型预测效果最佳。     

美元/欧元汇率的组合模型区间预测

利用BP神经网络提取非线性特征,对残差运用广义自回归条件异方差模型分析波动性,最后将趋势与波动性结合给出预测区间。以2001年2月至2017年6月美元/欧元汇率的日收盘价数据为例,研究发现：BP神经网络具有很好的非线性刻画能力,但“过拟合”以及“欠拟合”均会影响预测区间的精度,只有合适的误差大小和精度标准才能得出较好的预测结果;同时也发现广义自回归条件异方差模型能够较为准确地分析波动性,且组合模型优于单一模型,适合中长期的区间预测。     

Directional accuracy tests of Chinese renminbi forecasts

This study investigates the directional accuracy of Chinese renminbi exchange rate forecasts by professional forecasters. The forecast with a horizon of one year is useful, whereas the forecasts with forecast horizons of one and three months are not useful in predicting the direction of the exchange rate change. The results for the long-term forecasts suggest that forecasters believe that the government maintains its foreign exchange rate policy of renminbi appreciation. In contrast, short-term forecasts show consistent evidence of exchange rate unpredictability.     

货币互换协议、金融市场与中国对外直接投资

基于2003-2018年169个国家的面板数据,文章利用多期双重差分方法探讨了货币互换协议对我国对外直接投资规模与密集度的影响,并通过PSM-DID方法和证伪检验对模型的稳健性进行验证。在此基础上,运用中介效应和调节效应检验方法对货币互换政策的金融市场作用机制进行分析。研究发现,货币互换协议对我国OFDI规模与密集度均有显著积极影响;预期汇率风险是货币互换协议促进我国OFDI的重要影响机制,中介传导而非调节效应是主要影响渠道,而利率市场的影响机制尚未发挥作用。在经济全球化和复杂的国际形势下,这一研究对我国进一步推动国家间金融领域深化合作和推进人民币国际化以畅通国内国际双循环具有重要参考价值。     

Exchange rate exposure and risk management: The case of Japanese exporting firms

This paper investigates the relationship between Japanese firms’ exposure to the exchange rate risk and their risk management. Following Dominguez (1998) and others, we first estimate the firms’ exposure to the exchange rate risk by regressing their stock prices on the exchange rate and the market portfolio. We next investigate possible influences of various risk management measures on the firms’ foreign exchange exposure. Risk management variables include financial and operational hedging, the invoice currency choice, and the price revision strategy (pass-through) of 227 listed firms in 2009, which were collected from a questionnaire survey of Japanese firms listed in the Tokyo Stock Exchange. Our main findings are as follows: First, firms with greater dependency on sales in foreign markets have greater foreign exchange exposure, judged by the market. Second, the higher the US dollar invoicing share, the greater the foreign exchange exposure is, which can be reduced by both financial and operational hedging. Third, yen invoicing reduces foreign exchange exposure. These findings indicate that Japanese firms use a combination of risk management tools to mitigate the degree of exchange rate risk.     

THE ROLE OF THE EXCHANGE RATE IN A NEW KEYNESIAN DSGE MODEL FOR THE SOUTH AFRICAN ECONOMY

We build a small open economy New Keynesian dynamic stochastic general equilibrium model for South Africa similar to Steinbach et al. We abandon their assumption of complete risk sharing with the foreign economy, and introduce country risk shocks to allow deviations from uncovered interest rate parity. These changes allow us to include the exchange rate as an observable variable in the estimation of the model. Using forecast error variance decompositions and historical decompositions, we show that country risk shocks have sizable effects on the South African business cycle. We also explore the optimal monetary policy implications of our model within the context of Taylor rules.     

基于灰色神经网络的短期电力负荷预测分析

电力负荷预测是电力系统一项重要的工作。本文应用了灰色预测和人工神经网络相结合的方法进行短期电力负荷预测。首先介绍了灰色预测和神经网络的基础理论,其次利用一个仿真算例来验证灰色神经网络算法的可靠性。     

Exchange Rate Forecasting: Results from a Threshold Autoregressive Model

Structural models of exchange rate determination rarely forecast the exchange rate more accurately than a naive random walk model. Recent innovations in exchange rate modeling indicate that changes in the exchange rate may follow a self-exciting threshold autoregressive model (SETAR). We estimate a SETAR model for various monthly US dollar exchange rates and generate forecasts for the estimated models. We find: (1) nonlinearities in the data not uncovered by the standard nonlinearity tests and (2) that the SETAR model produces better forecasts than the naive random walk model.     

FORECASTING PERFORMANCE OF AN ESTIMATED DSGE MODEL FOR THE SOUTH AFRICAN ECONOMY

We construct a small open‐economy New Keynesian dynamic stochastic general equilibrium (DSGE) model for South Africa with nominal rigidities, incomplete international risk sharing and partial exchange rate pass‐through. The parameters of the model are estimated using Bayesian methods, and its out‐of‐sample forecasting performance is compared with Bayesian vector autoregression (VAR), classical VAR and random‐walk models. Our results indicate that the DSGE model generates forecasts that are competitive with those from other models, and it contributes statistically significant information to combined forecast measures.     

供求冲击与人民币汇率的波动：基于DSGE两国模型的模拟分析

为分析人民币汇率的波动,本文应用当前新开放经济学主流的动态随机一般均衡两国模型的研究方法,通过引入垄断竞争的市场结构和粘性的价格调整方式,模拟了在以技术冲击为代表的供给冲击和以货币冲击为代表的需求冲击下汇率的波动,进而用来拟合人民币汇率的波动。结果表明相对于需求冲击,供给冲击对人民币汇率波动的拟合比较好,这表明“巴拉萨-萨缪尔森”效应是解释和预测人民币汇率波动的合理途径,也给我国的人民币汇率稳定政策提供了明确的导向。