期货对现货价格预测的作用——基于ARIMA模型的实证探讨

本文通过建立ARIMA模型和ARIMAX模型,以我国HS300指数为研究对象。在准确识别的基础上,实证检验了我国hs300指数的日内指数现货价格序列。通过ARIMAX模型的输入变量包含了IF8888指数期货价格序列,将指数期货价格信息反映到现货价格的预测过程中,同时与ARIMA模型作比较。研究发现,带指数期货价格序列输入变量的ARIMAX模型与不存在其他输入变量的ARIMA模型在相同的参数条件下,前者的拟合误差下降,预测精度显著提高。说明期货价格信息可以更好地预测现货指数价格。同时为了说明预测的可信性,本文选取期货交易所的官方数据。在数据的平稳性检验部分用了ADF检验来进行平稳性的检验和对d值的确定,在对p值和q值的确定上,使用了枚举法来进行最佳组合的选取,这些都保证了预测的精确性和可信性。     

财务预警模型的分析和建立

一、文献综述最早的财务预警研究是FITZPATRIC(K1932)开展的单变量破产预测研究,他以19家企业为样本,运用单个财务比率,将样本划分为破产与非破产两组。FITZPATRICK发现,判别能力最高的是净利润/股东权益和股东权益/负债。1967年秋季,当时芝加哥大学的会计系的副教授BEAVER,发表了一篇研究财务比率有用性的文章,目的是通过实证研究来检验财务比率的预测功能。该文章以79对行业相同,资产规模相类似的破产公司和非破产公司为样本,通过对三十多个比率进行单个检验,发现现金流与总负债的比率预测能力最高,在破产前一年的预测准确率…     

人民币市场利率预测分析

首先概述了中国改革开放以来的利率政策与利率决定理论,总结了国内学者在利率预测方面的研究成果。然后对1996年以来的7天期同业拆借利率进行影响因素分析,选取了GDP、CPI、一年期存贷款利率均值、货币供应量作为因素。单位根检验显示所有变量均为一阶单整。协整检验表明所有变量均与市场利率存在长期均衡关系。通过VEC方程剔除不显著变量,确定短期内对市场利率影响较大的四个因素,并得到回归方程。     

人民币市场利率预测分析

首先概速了中国改革开放以来的利率政策与利率决定理论,总结了国内学者在利率预测方面的研究成果。然后对1996年以来的7天期同业拆借利率进行影响因素分析,选取了GDP、CPI、一年期存贷款利率均值、货币供应量作为因素。单位根检验显示所有变量均为一阶单整。协整检验表明所有变量均与市场利率存在长期均衡关系。通过VEC方程剔除不显著变量,确定短期内对市场利率影响较大的四个因素,并得到回归方程。     

农产品期货持仓量对股市收益率的预测能力分析

本文通过使用基于工具变量法的样本内预测及基于DM检验的样本外预测以探究我国农产品期货持仓量对股市收益率的预测能力。研究结果显示，农产品期货持仓量对国内股市收益率具有一定的预测能力：基于工具变量法的样本内预测得到了边际显著的结果，而在样本外预测中，使用DM检验得到了在100次预测当中，有60次添加农产品期货持仓量变化率的预测模型强于不添加该变量的预测模型的结果。     

基于自适应LASSO变量选择的Logistic信用评分模型研究

本文研究将变量的信息价值作为自适应LASSO变量选择中惩罚项的权重,对考虑了供应链融资相关变量的信用评分变量集合进行变量选择,建立logistic信用评分模型。通过ROC曲线和KS值等指标对比逐步回归和LASSO变量选择建立的模型,得到了基于自适应LASSO变量选择的Logistic信用评分模型具有更好的风险区分能力以及预测的准确性的结论。     

化工化纤行业上市公司财务危机预警的实证研究

财务危机预警的研究具有重要的现实意义,本文利用Fisher模型,以化工化纤行业被ST的上市公司为研究对象,选取ST公司与财务状况正常的公司的财务数据.在Sppss 17.0软件中,利用K-S检验、T检验和相关分析,筛选出不具备线性关系,但能显著反映财务危机的指标,代入Fisher模型得到变量系数,并将原始财务数据进行回代,从而得到模型判别的准确率.     

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。     

基于机器学习的小微商铺不良贷款预测

本文主要基于个人或小型商铺的贷款业务,采用数据挖掘及机器学习技术预测某申请商铺的风险状况及发放的贷款是否会形成不良贷款,从而使金融机构可以及早发现申请商铺的风险并对其贷款申请予以否决,避免资产损失;基于Python软件进行了全流程建模,包括变量探索、变量降维、数据建模等流程,最后采用逻辑回归、lightGBM、XGBoost、随机森林、GBDT、Voting以及“GBDT+LR”等机器学习模型进行了建模分析,从验证效果的准确率、覆盖率、ROC、KS、稳定性等角度对比分析了上述模型,最终选取了Voting模型作为小微商铺不良贷款预测模型。     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

对区间数排序的Monte Carlo模拟方法研究

内容:本文提出了对模糊区间数采用 Monte Carlo 模拟进行排序求解方法,并将其应用于模糊 DEA 求解方法中,其基本思想是:将α截集转化为线性变量,通过求解,不仅能得到目标函数的乐观及悲观状态下的极值,而且还能得到各变量最适宜的α值,然后引入 Monte Carlo 模拟方法进行排序.通过算例说明该方法的有效性.     

上市公司财务困境预测———基于信息熵与Logistic回归的实证分析

以沪深两市1370家上市公司作为研究样本,摒弃了以往研究中惯用的配对方法,采用信息熵理论对财务指标的预测能力进行了客观测定,并选取预测能力最强的前11个指标作为输入变量,构建了基于Logistic回归的上市公司财务困境预测模型,并对模型进行了实证检验.研究结果表明:每股净资产、营业毛利率等11个绝对财务指标和相对财务指标对公司是否陷入财务困境有较强的预测能力.     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

涪陵区旅游资源需求预测

涪陵区旅游业的发展是本地区经济发展的支柱产业,旅游业的发展带动当地经济的发展,是促进GDP的稳步发展重要领头行业。本文通过涪陵区旅游资源与GDP的相关性分析,建立旅游资源对未来2015-2020年的预测模型,一元线性、最小二乘法、相关性分析、假设检验、趋势外推等方法进行分析。根据2009年-2014年的时间序列数据,借助EXCEL和Eviews7.0软件分别作出人数和收入的时序图,通过一阶差分、二元多项式、单位根检验、假设检验的检验统计量和F统计量,建立一元线性模型以及二元曲线模型,并分别对未来数据进行预测,相对误差在均在允许范围内,模型具有可行性。     

数据分析中假设检验相关研究

假设检验是一种利用实际样本资料来检验某假设是否可信的统计方法.其假设原假设的总体和所抽样本总体不发生显著差异,然后通过适合的方法来验证假设,判定出原假设是否成立,得出研究结论.本文概述了假设检验理论以及相关实施步骤,并将此理论指导性的应用于数据分析过程中.     

广东省跨境电商物流市场规模预测及发展对策研究

基于广东省跨境电商与跨境电商物流的发展现状分析,明确了影响跨境电商交易规模的几个影响因素,采用灰色关联度分析确定广东省跨境电商物流市场规模预测的8个指标,构建GM（1,8）模型对广东省跨境电商物流市场规模进行了预测,通过MATLAB计算得到的预测结果表明,该模型相对误差,残差以及后检验值比都在可接受的范围,验证了预测结果的有效性,最后得到2022-2026年的预测数据,基于预测的结果对广东省未来跨境电商物流的发展,提出了参考性的建议。     

涪陵区旅游资源需求预测

涪陵区旅游业的发展是本地区经济发展的支柱产业，旅游业的发展带动当地经济的发展，是促进GDP的稳步发展重要领头行业。本文通过涪陵区旅游资源与GDP的相关性分析，建立旅游资源对未来2015-2020年的预测模型，一元线性、最小二乘法、相关性分析、假设检验、趋势外推等方法进行分析。〈br〉 根据2009年-2014年的时间序列数据，借助EXCEL和Eviews7.0软件分别作出人数和收入的时序图，通过一阶差分、二元多项式、单位根检验、假设检验的检验统计量和F统计量，建立一元线性模型以及二元曲线模型，并分别对未来数据进行预测，相对误差在均在允许范围内，模型具有可行性。     

暂时折价抑或长期趋势——中国上司公司港股折价现象实证检验

本文立足于股权分置改革完成的背景,选择4个分别反映系统性风险、流动性、信息不对称和需求差异的解释变量,通过对34家A+H股双重上市公司的数据的显著性检验,总结出各解释变量的影响,并提出相关启示.     

基于PCA的上市公司财务风险预测的实证研究

从上深证券交易所选取60家规模相近的上市公司,利用2010年的财务状况来预测2013年上市公司是否有财务危机出现,通过主成分分析并建立预测模型进行检验,实证研究发现:该预测模型在预测上市公司财务风险方面具有较高的精度,能够科学客观的对主成分进行赋权,并准确的反映上市公司的财务风险状况,其准确率达到了86.67%。基于主成分分析法的财务风险预测模型可以用于上市公司财务风险的预测和评价,对为管理层以及投资者提供决策具有很大的参考价值。     

对外贸易、FDI与碳排放量——基于甘肃省1995～2012年数据的实证分析

本文利用甘肃省1995²012年的相关数据实证检验了进口额、出口额、外商直接投资和碳排放之间的关系。通过分析发现,变量间的数据满足一阶单整,变量之间具有长期的均衡关系;碳排放量和出口额、外商直接投资为正相关,碳排放量和进口额为负相关,但各个变量的影响程度还比较低。通过格兰杰因果检验发现,解释变量和碳排放量存在单向的因果关系。