灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量.并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性.采用2010年1月～2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月～2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11％,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考.     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。     

分离式可转换债券定价模型及实证分析

分离式可转换债券由于其转债与权证分离交易的特性,颇受企业与投资者的青睐,但权证部分并不能简单的看成标准欧式看涨期权,所以它的定价确实是较为棘手的问题。从BS模型出发,考虑稀释效应,通过不同的实施策略,对权证部分给出新的定价模型,并通过进一步分析发现当公司股票的市净率时,考虑了稀释效应后计算出的权证价格要比相应的欧式看涨期权价格低,这就是稀释因子的作用,当新增的股本越多,效果越明显。     

基于人工神经网络的权证定价模型研究

近年来，人工神经网络方法已开始广泛运用于金融衍生产品的定价研究中。权证作为我国推出的第一个金融衍生产品，它的定价效率对维护权证市场的供求平衡具有非常重要的作用，本文在Black—Scholes权证定价模型的基础上，利用MATLAB神经网络工具箱，构建了一个RBF神经网络权证定价模型，并以江西铜业的认股权证江铜CWBI作为样本进行实证研究，对权证定价的新方法提出了一种新的解决方案。     

Black-Scholes模型在我国权证市场的运用——基于宝钢权证价格运动的实证分析

权证作为国内金融市场的一个崭新的交易品种,其诞生开启了金融衍生产品的大门。在国外权证实务中,被广泛用于进行权证定价的是Black-Scholes模型。该文对我国第一只权证产品——宝钢权证的价格变动进行实证研究,分析了Black-Schloes模型中影响权证价格的因素及我国当前权证价格变动的模型外因素,认为本模型在我国目前的资本市场上实际运用的可行性较差。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

盈余质量与认购权证收益率关系研究

本文从盈余的决策有用性出发,定义了盈余质量,将盈余质量定义为当前盈余对企业未来超额收益的预测作用,使用权证的超额收益率作为权证收益率的替代变量。基于盈余反映系数和双对数模型,对认购权证收益率与盈余质量二者关系进行研究,建立了盈余质量和认购权证收益率之间的双对数回归分析模型,并对模型进行了解释。     

基于朴素贝叶斯网络的上市公司信用风险预警研究

本文运用PCA方法提取出对信用风险具有显著影响的特征指标,同时运用EP-T方法离散样本数据并学习贝叶斯网络的结构与参数,以此建立朴素贝叶斯网络(Naive Bayesian Network,NB)信用风险预警模型;最后通过交叉验证(Cross Validation)对模型进行5次独立建模测试,并利用性能评价指标将NB模型与Logistic模型、MLP神经网络模型、RBF神经网络模型进行对比分析。实证研究结果表明,尽管四种模型均能对上市公司信用风险进行预警,但NB模型表现出了更好的预测精度与稳定性。     

中国权证与股票市场相关关系实证研究

文章运用了协整关系检验、Granger因果关系检验和ECM模型对中国沪深有代表性的权证及其正股价格进行了实证分析.研究结果表明,认购权证价格与标的股票价格之间存在显著的协整关系,权证市场与股票市场存在长期均衡关系,但不存在双向因果关系,短期内权证市场走势背离股票市场,反应出市场投机和炒作.     

基于非线性结构的中国权证和股票市场价格关系实证研究

权证价格与标的股票价格间若存在非线性结构,传统的线性Granger因果关系检验对其非线性因果关系辨别能力弱,因而无法准确判断它们之间的真实关系.本文选取目前已退市且交易时间最长的10只权证及标的股票为研究对象,考虑到在权证定价模型中权证价格往往是被表示为关于标的股票价格高阶项的非线性函数,本文着重采用修正的Baek-Brock检验方法对我国权证价格和标的股票价格之间的非线性因果关系进行实证研究.实证结果表明权证价格和标的股票价格之间存在双向的非线性因果关系,两者之间并不存在绝对的领先与滞后关系.     

企业运营能力分析——基于RBF神经网络

企业营运能力是指通过企业生产经营资金周转速度的有关指标所反映出来的企业资金利用的效率。它表明企业管理人员经营管理、运用资金的能力、企业生产经营资金周转的速度越快,表明企业资金利用的效果越好效率越高,企业管理人员的经营能力越强。本文构造了采用RBF神经网络模型对企业营运能力进行预测,客服了传统方法计算速度慢,精度低的缺点,并结合案例进行了研究,实验表明:基于RBF网络的分析方法可行、且精度高,可以作为企业营运能力进行分析及预测的有效手段。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

权证发行对标的股票价格风险影响的实证研究

研究权证发行对标的证券价格风险的影响,对研究资本市场的有效性及权证定价等方面具有重要的意义。目前我国已经发行的备兑权证,运用资本资产定价模型(CAPM)和GARCH-M模型,探讨权证的发行时正股的无风险报酬、系统性风险(Beta)和总风险(报酬率波动性)是否有显著影响。实证结果表明,无论是认购权证、认沽权证,还是蝶式权证的发行对正股的无风险报酬、系统性风险的影响基本上均不显著,但对半数以上发行权证的股票的总风险有显著影响。抑制权证市场的投机性,发挥其本身应发挥的价格发现功能、促进股票的流动性、降低股价波动性等的功能,就必须从风险相互对冲的角度,循序渐进地大力发展权证等衍生产品的规模,促进衍生品市场健康、有序地发展。     

基于LSTM深度学习的大豆期货价格预测

面对越来越复杂的金融市场环境,以传统统计学和计量学为主的时间序列预测模型在发现序列中的长期依赖关系方面存在一定局限性,而深度学习中的长短期记忆(LSTM)网络有望克服这一问题。通过构造一个多层LSTM网络价格预测模型,使用中国2007—2019年大豆期货价格数据进行了实证研究。结果显示,参数调优对LSTM网络模型预测效果有着较大影响,其中影响较大的主要参数包括迭代次数、学习率、窗口大小和网络层数等;与ARIMA模型、MLP模型、SVR模型相比,LSTM网络模型的预测结果准确性更高,在拟合优度(R-2)上分别提高了1.064%、2.147%、1.674%。LSTM网络模型在价格预测方面的良好表现,为预测大豆期货价格提供了新思路。     

秦皇岛煤炭价格预测研究——基于因素分析法和支持向量机模型

煤炭是我国重要的战略资源,其价格波动对国民经济影响重大。本文选取了煤炭产量、煤炭销量、进口量、国际原油价格和秦皇岛煤炭交易月度价格为样本数据,建立基于因素分析的支持向量机模型(FS-SVM)对秦皇岛的煤炭价格进行了预测分析,并与神经网络模型(BPNN)和无因素分析的支持向量机模型(SVM)的预测结果进行了对比。结果表明,以因素分析的结果作为输入的支持向量机模型可以有效地预测市场煤价,其预测结果可为大型煤炭消耗型企业购煤决策提供指导性意见。     

股权分置改革中认股权证的投资风险分析——以五粮液认购权证为例

认股权证作为一种特殊的金融衍生产品,是在我国股权分置改革的顺利进行中开始引进的,虽然它为投资者提供了一种新的投资工具,但是权证的过度投机使得权证的价格严重偏离其价值,累积了巨大的风险。本文通过引入认股权证的定价模型,结合五粮液认购权证具体实例,实证分析了认股权证的价值及其中隐含的风险,进而得出一些防范权证投资风险的措施。     

B-S模型应用于中国备兑权证定价的实证考察——基于调整的EWMA模型

本文采用B-S期权定价模型,对我国备兑权证进行了理论定价并考察了市场价格与理论价格之间的偏差.在经典的B-S模型基础上,本文还比较了EWMA模型与调整的EWMA模型在对历史波动率进行估算时的有效性.     

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TCN-GRU的股票指数预测模型研究

本文采用集成学习的思想,将时域卷积网络(TCN)和门控循环单元(GRU)相结合,借助TCN的数据特征提取能力和GRU的非线性拟合能力,构建TCN-GRU模型。通过仿真实验,利用技术因子如收盘价、最高价、成交量等作为输入,对股票指数利用TCN-GRU模型进行预测。再设置对照试验,对比卷积神经网络(CNN)、长短时记忆人工神经网络(LSTM)、门控循环单元、时域卷积网络模型的预测结果。通过评价指标发现TCN-GRU相比对照实验模型,拥有更高的预测精确度。     

对我国权证市场非理性的度量:一个尝试

我国权证品种重新推出以来,权证价格与标准资产定价理论严重不符的现象时有发生,其中之一是那些在最后一个交易日前已经确定没有行权价值的权证(以下称之为零值权证)仍有交易发生,其原因多被媒体归结为投资者的非理性。本文从行为博弈论的视角出发,用投资者之间缺乏理性共识(Common knowledge of rationality)来解释这一现象,并构造一种虚拟的标的资产,从而将零值权证的投机价看成一个美式看跌期权(我们称之为非理性期权),通过该期权的成交价格,利用二叉树模型倒算出隐含的到期时间,即投资者认为可能会有交易发生的时间,用以衡量权证市场的非理性程度。