沪锌价格分析及最优套保率估计——基于协整理论、ECM与GARCH模型的分析

价格发现和套期保值是期货市场的两大重要功能。本文首先利用协整分析、格兰杰因果检验并建立误差修正模型(ECM)实证研究了沪锌期货和现货价格之间的长期均衡关系以及对均衡偏离的短期调整;然后建立GARCH模型对沪锌价格的波动进行了分析;最后利用OLS回归估计了沪锌市场的最优套保率。实证研究发现,沪锌期货价格与现货价格之间存在这长期稳定的均衡关系,期货价格变动是现货价格变动的格兰杰原因,当短期价格偏离长期均衡后,期货价格和现货价格会以0.647的速度向长期均衡调整;CARCH(1,1)模型可以较好的拟合沪锌期货价格序列的波动,沪锌价格存在明显的"波动性集聚"现象,条件方差所受的冲击是持久的;沪锌市场的最优套保率为0.695。     

沪锌价格分析及最优套保率估计——基于协整理论、ECM与GARCH模型的分析

价格发现和套期保值是期货市场的两大重要功能.本文首先利用协整分析、格兰杰因果检验并建立误差修正模型(ECM)实证研究了沪锌期货和现货价格之间的长期均衡关系以及对均衡偏离的短期调整:然后建立GARCH模型对沪锌价格的波动进行了分析;最后利用OLS回归估计了沪锌市场的最优套保率.实证研究发现,沪锌期货价格与现货价格之间存在这长期稳定的均衡关系,期货价格变动是现货价格变动的格兰杰原因,当短期价格偏离长期均衡后,期货价格和现货价格会以0.647的速度向长期均衡调整;CARCH(1,1)模型可以较好的拟合沪锌期货价格序列的波动,沪锌价格存在明显的"波动性集聚"现象,条件方差所受的冲击是持久的;沪锌市场的最优套保率为0.695.     

基于人工神经网络的沪锌期货价格预测研究

分析沪锌期货的特征,发现沪锌期货价格存在非线性和波动集聚性的特点.选择沪锌期货的相关指标作为参数,运用人工神经网络训练数据,进行价格涨跌预测,构建BP神经网络和卷积神经网络沪锌期货预测模型.实证研究结果表明:模型预测准确率高,预测效果良好,在盘整行情中可获得较高收益,为投资决策提供重要参考,并可在期货市场中进行广泛应用.     

沪锌价格分析及最优套保率估计——基于协整理论、ECM与GARCH模型的分析

价格发现和套期保值是期货市场的两大重要功能。本文首先利用协整分析、格兰杰因果检验并建立误差修正模型(ECM)实证研究了沪锌期货和现货价格之间的长期均衡关系以及对均衡偏离的短期调整;然后建立GARCH模型对沪锌价格的波动进行了分析;最后利用OLS回归估计了沪锌市场的最优套保率。实证研究发现,沪锌期货价格与现货价格之间存在这长期稳定的均衡关系,期货价格变动是现货价格变动的格兰杰原因,当短期价格偏离长期均衡后,期货价格和现货价格会以0.647的速度向长期均衡调整;CARCH(1,1)模型可以较好的拟合沪锌期货价格序列的波动,沪锌价格存在明显的"波动性集聚"现象,条件方差所受的冲击是持久的;沪锌市场的最优套保率为0.695。     

组合预测模型在货运量预测中的应用

本文对灰色预测模型和ARIMA预测模型进行组合,建立了组合模型,并应用于货运量的预测,实证预测表明,组合模型的预测精度优于单一的预测模型,预测结果与实际货运量拟合较好。     

基于时间序列模型的农产品市场价格短期预测研究

为了对农产品市场价格波动的进一步了解,及早采取措施应对价格波动频繁带来的一系列不利影响,有效指导农民把握时机增收增产,本文以全国黄瓜月度批发市场价格为预测目标,综合利用季节虚拟变量法、CensusX12法、ARMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值来建立这三个不同短期预测模型的组合预测,运用组合模型对农产品价格做出合理预测。实证分析结果表明：组合模型能够从一定程度上减小预测误差提高模型的预测精度。总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的3个单一短期预测模型平均绝对误差百分比（MAPE）分别为13.53％,11.77％和11.07％,ARMA法建立的短期预测模型精度最高。在实证分析的基础上,采用组合预测方法对2012年7月到11月这五个月的黄瓜价格进行了预测,并将预测值与收集到的实际值做了对比,结果表明,除了8月的预测误差较大为33％外．其余各个月的误差均不超过10％,预测结果较为理想。     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

利用铜期货代替铅从事套期保值业务的探讨

为了规避铅价大幅波动的风险,国内企业有必要进入期货市场从事套期保值业务,但国内无法直接从事铅的套期保值。因此,本文通过构建多元回归模型,分析了铅价与国内上市的铜铝锌期货品种价格之间的相关性。研究发现,利用铜铝锌的组合可以近似拟合铅价的波动,而且所设计的套期保值方式能够有效规避铅价波动风险。     

我国锌期货市场功能发挥的实证研究

运用协整检验、Granger因果检验、向最误差修正模型、Garhade-silber模型、误差修正模型等对2007年6月11日到2008年9月18日上海期货交易所锌期货合约的价格发现功能和套期保值功能进行研究,结果表明:锌期货与现货价格存在双向引导关系,锌期货市场在价格发现功能中处于主导地位,锌期货价格发现功能良好.锌期货样本内和样本外套期保值绩效分别为0.50074044和0.43854111,样本内套期保值绩效优于样本外套期保值绩效.我国锌期货市场具有一定的套期保值功能,但套期保值功能并未得到充分发挥,2008年6月到2008年9月锌期货市场投机氛围严重.     

考虑模型不确定性的中国死亡率预测——基于贝叶斯模型平均方法

作为长寿风险研究领域的基础,死亡率预测近些年获得快速发展,诸多模型的提出使得历史数据的信息得以最大程度的挖掘,但也带来了模型不确定问题。本文对现有的死亡率预测模型进行了分析和整理,提出其中的模型不确定性问题,并针对死亡率预测的模型不确定问题,引入了贝叶斯模型平均方法。该方法以贝叶斯后验概率为权重,综合考虑“一揽子”预测模型的预测能力,并根据它们预测吻合程度进行加权,最终给出死亡率预测结果,结论表明,不但在理论上表现出超过单一模型的优势,也在实践中超过了任何一个单一模型。本文还给出了基于该模型的死亡率预测结果和预期寿命。     

线性组合模型在徐州市能源需求预测中的应用研究

随着经济的快速发展，能源消耗也在不断的上升。在分析徐州市能源消耗的历史数据基础上，建立了徐州市能源消耗的二元线性回归模型和灰色预测模型的组合模型，通过组合模型和线性回归模型、灰色预侧模型的预测应用比较分析，证明组合模型更为精确、有效。结论表明文中提出的组合预测模型可以有效地预测能源消耗从而可以为地方政府制定科学的产业发展政策提供决策依据。     

企业价值评估中的定量预测模型实证分析

在采用收益途径对企业价值评估中,对企业未来发展有关情况进行分析和运用数量模型对其相关参数进行预测不仅是其重要的工作之一,也是该评估方法的技术关键。在该评估方法中,收益额是重要的预测参数之一,对其预测时,需要在定性分析的基础上,采用合适的数量模型分别对其中的收入、成本、费用等内容进行具体测算。常见的计量模型主要有：时间序列模型、单方程回归模型,灰色预测模型,神经网络模型以及组合预测模型等,本文选择其中的时间序列模型（固定时间序列和随机时间序列）、灰色预测模型和神经网络模型分别对某航运公司1994-2008年的收入进行具体预测和检验,并将其各自的预测结果进行分析和比较。     

基于组合预测模型的我国能源需求预测分析

本文根据预测理论,结合我国历年能源消费的相关数据,分别采用多元线性回归方法、灰色预测、指数模型方法建立我国能源需求的单项预测模型,并对各单项模型的结果进行分析比较和检验,然后采用误差平方和最小法进行权重分配,建立了我国未来能源需求量的组合预测模型,最后,应用该模型对我国未来10年的能源需求量进行预测,结果表明：组合预测的精度要远远优于单项预测;我国未来10年的能源需求仍呈现较快的增长趋势。     

基于主成分分析的股票收盘价组合预测方法

本文构造了隐马尔可夫模型、CNN、LSTM、支持向量机的组合算法,旨在寻求股票收盘价精准预测的算法。在处理缺失值和异常值的过程中,本文使用三次样条插值法填充了缺失值,使用DBSCAN聚类的方法删除了异常值。考虑到不同的因素指标对下一交易日收盘价的影响程度不同,本文采用灰色关联判别分析其关联度,剔除了关联度小于0.9的指标,避免了数据冗余,提高了运算效率。本文使用中信证券和上证指数的数据实证研究后发现,单独预测模型并不能很好地预测收盘价的涨跌。为此,本文使用主成分分析来确定四种方法的权值,最终得出组合预测股票涨跌的比例达到95.65%和94.26%。     

基于灰色支持向量机模型的基金波动率预测

探讨灰色系统与最小二乘支持向量机组合预测模型在波动率上的应用的可行性,通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优,来提高组合预测模型的预测精度和推广泛化能力。经波动率预测的实证分析得出建立的组合模型比支持向量机模型有较好的预测效果。     

最优加权组合法在四川省GDP预测中的运用研究

在国民经济发展的过程中,国内生产总值(GDP)是衡量一个国家经济总体经济运行状况的重要指标。GDP预测对国家的经济政策和措施的制定具有战略性意义。单一的GDP预测方法,由于模型本身的特点和适应条件的限制,测算结果只包含了所研究系统的部分信息,无法准确反映系统的全部信息和其真正的发展规律。考虑用最优加权组合法将多个单一模型的优势综合起来,组成一个预测模型,就有可能比较合理地描述系统的整体情况。文章运用最优加权组合预测法对四川省1978—2014年的GDP走势进行预测。预测结合定性、定量方法,考虑采用指数回归方法、时间序列预测方法建立四川省GDP的单一预测模型,运用SPSS,Excel,Eviews等专业软件分别对这两种预测方法进行操作。采用最小二乘法进行权重分配并进行组合预测。结果发现,相对于单一预测模型,组合预测的误差最小,预测结果更可靠。     

基于特征衍生的个人信用风险评估组合模型研究

在特征选择和特征衍生的基础上,分别基于特征扰动和XGBoost与Lightgbm的算法差异建立了四个单一模型;利用单一模型性能确定权重,构建了个人信用风险评估的线性组合模型.实证分析发现,有衍生特征的四个单一模型的AUC和KS均优于无衍生特征的四个单一模型,有衍生特征组合模型的AUC和KS均优于无衍生特征组合模型.实证结果表明,基于特征衍生的组合模型能显著提升个人信用风险评估的预测性能.     

小波分析结合ARIMA组合模型的2014~2017年石油贸易量预测研究

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

财务困境预测模型的实证分析与改进——基于中国上市公司的研究

本文利用2010—2012年沪深两市中被ST的47家公司和47家非ST公司的财务指标,根据中国资本市场的实际状况,构建了一个系数与变量修正后的Z-score模型;然后建立一个以现金流量为基础的财务预警统计模型,共同构建财务困境预测模型组合.实证研究表明:整个预测系统的准确率较高,ST公司在T-2年前被成功预测的概率为82.98%,配合现金流财务预警模型,准确率进一步提升.所以该预测模型组合具有较大的使用和研究价值.     

个人信用评估组合模型的构建——基于决策树—神经网络的研究

本文以德国某商业银行的真实客户信用数据为样本,将决策树方法应用于个人信用指标的筛选过程中,并与BP神经网络模型相结合构建成一个两阶段组合模型。研究表明,基于决策树—神经网络构建的个人信用评估组合模型对于测试样本的分类预测精度高于单一BP神经网络模型的分类预测精度。组合模型对于测试样本的总正确率平均值为75.45%,高出单一BP神经网络模型的总正确率近3个百分点。基于信息熵增益率分类原理的最优决策树挑选指标方法能合理去除非重要属性指标的干扰,使真正有效的属性指标输入神经网络主模型,提高模型分类预测的精准度。