我国通货膨胀非线性动态特征与通货膨胀预测模型的选择

通货膨胀预测对于中央银行制定和实施货币政策非常重要,目前我国尚未形成完备的通货膨胀预测机制,系统的、全面的通货膨胀预测模型和方法也相对匮乏,造成中央银行在制定和调整货币政策时缺乏直接依据。针对这一现状,采用LSTAR模型刻画了我国通货膨胀非线性动态特征,并在此基础上比较无限制VAR模型、LSTAR模型和贝叶斯向量自回归模型(BVAR模型)的预测效果。实证结果表明,加入国际原油价格指数、银行间同业拆借利率和贷款规模变量的BVAR模型预测精度较高,并且模型的解释力较强,能够较好地预测我国现阶段的通货膨胀趋势。     

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。     

上海锌期货价格的组合预测分析

本文利用锌期货价格的历史信息和上海锌的现货价、伦敦锌期货价格等分析预测上海锌期货价格。针对单一模型存在预测误差大的问题,本文结合时间序列ARIMA模型、回归模型及组合模型来分析预测锌收盘价,结果发现组合预测模型的精度高于单一模型的分析,即用组合预测模型来预测锌期货价格是一种相对可取的方法,可以为投资者和期货经纪公司提供一定的参考价值。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

桂林市入境旅游客流量的预测研究--基于多元线性回归模型与 GM（1，1）的比较

以2005～2012年桂林市入境旅游客流量为研究对象,借助于 MATLAB及 SPSS软件,建立了多元线性回归模型和 GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明：采用 GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

桂林市入境旅游客流量的预测研究——基于多元线性回归模型与GM(1,1)的比较

以2005²012年桂林市入境旅游客流量为研究对象,借助于MATLAB及SPSS软件,建立了多元线性回归模型和GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明:采用GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

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。     

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。     

随机死亡率模型的拟合与预测——基于中国男性人口死亡率数据的比较分析

生活方式的改变、医学的进步和遗传学的新发现都会使人的预期寿命变得不确定。本文针对中国人口死亡率历史数据(0～89岁男性数据),利用贝叶斯信息准则和嵌套模型的似然比检验等方法,比较了8种目前流行的随机死亡率模型的拟合效果;同时,检验了这8种随机死亡率模型预测结果的生物合理性和稳定性,并比较了它们的预测效果。结果表明,由Lee-Carter模型拓展而来的Age-Period-Cohort模型最适合于拟合和预测中国的人口死亡率,这为我国寿险企业和养老金机构的死亡率风险管理提供了科学依据。     

灰色预测在股票价格中的研究应用

股票价格的预测对于投资者的投资决策有着实质性的影响,因此,通过建立正确的股票预测价格模型对于投资者的投资决策有一定的指导作用。本文运用股票价格的灰色预测方法,并且通过MATLAB程序,研究灰色GM(1,1)模型以及它的修正模型Verhulst模型在股票市场中的应用。在短期内,GM(1,1)模型可以做出股价的预测,但是由于在实际应用中没有考虑到其他因素对于其自身的影响,因此对于长期的股票价格预测,由于其数据变动序列庞大,模型的精度有所降低,而修正的Verhulst模型则更适合研究实际长期股价变化的预测。     

北京市软件与信息服务业发展预测

灰色GM(1,1)模型可以预测较短时间序列的发展态势,马尔可夫模型可以对具有随机波动性的时间序列进行预测。本文结合了两种模型的特点,综合预测了2008年和2009年北京市软件与信息服务业营业收入可能达到的规模,从而对新兴产业的发展预测提供了一种尝试。     

证券分析师与统计模型对盈余预测的准确性比较及两者的改进模型

本文使用2009年1月至2010年3月99家券商对我国上市公司作出的每股盈余预测数据,考察了证券分析师对于统计模型的相对准确性及其改进模型的准确性。研究表明,我国的证券分析师预测同以年度数据为基础的年度统计模型相比具有显著优势,同以季度数据为基础的季度统计模型相比也具有显著优势,只是优势相对较小。在考察改进模型与证券分析师预测的相对准确性时,我们发现以季度统计模型和证券分析师预测为基础的改进模型战胜了证券分析师预测,而以年度统计模型和证券分析师预测为基础的改进模型的准确性则依旧小于证券分析师的预测。     

基于混合模型的上海股票市场VaR研究北大核心CSSCISSCI

本文讨论如何选择适当的模型预测证券市场的风险价值(VaR)。在对不同VaR估计方法比较分析的基础上,本文提出OGARCH与极值理论(EVT)的混合模型。实证结果表明,混合模型预测的上证A股指数风险价值明显优于其他模型的预测结果。新的混合模型对于降低风险管理成本具有非常重要的现实意义。     

我国上市公司财务危机预警模型的实证研究

本文以我国上市公司指标为研究对象,以25家因财务状况进入特别处理的公司和25家财务正常的上市公司为样本,选取了6个变量指标,通过单变量模型,一元判定模型,Fisher判定模型和logistic模型四种分析方法对公司的财务状况进行实证分析。单边变量立面分析模型和一元判定模型运用单变量对财务危机进行简单预测,误差大,预测能力差,而Fisher模型和logistic模型从多变量进行预测,预测能力明显比单变量强,其中logistic模型预测能力最强。     

支持向量机模型在银行客户流失预测中的应用研究

本文结合某商业银行客户流失样本数据探讨利用支持向量机模型(SVM)进行客户流失预测。结果表明,由于商业银行客户流失数据呈现出典型的不平衡特征,直接采用统计预测方法和传统的分类方法预测精度较差,而随机抽样法能通过改变数据集分布从而减小数据的不平衡性。因此,本文利用随机抽样法对支持向量机模型进行改进,并与Logistic回归模型预测效果进行比较,结果发现选取该方法能有效提升模型预测精度,且预测效果优于Logistic回归模型,能较为准确地预测,对于商业银行加强客户管理、提升核心竞争力具有重要的意义。     

高龄人口死亡率预测模型的比较与选择

高龄人口死亡率预测模型是人口预测、养老金成本和债务评估以及长寿风险度量与管理的基础。我国大陆地区高龄人口死亡数据量少、数据波动性大,如何选择适合我国高龄数据特点的死亡率预测模型,是重要的研究课题。本文在归纳总结死亡率预测模型研究进展的基础上,先采用数据较为充分的台湾地区高龄死亡数据,选用Lee-Carter、CBD、贝叶斯分层模型等八种死亡率模型,对模型的拟合效果、预测效果和稳健性做出比较。在此基础上,基于修正和平滑后的我国大陆人口死亡数据,采用CBD模型和贝叶斯分层模型建模和预测。结果显示:贝叶斯分层模型能捕捉我国大陆高龄死亡率数据的历史波动,预测区间能够涵盖全部死亡率的真实值,但预测区间过宽,生存曲线不收敛;相比之下,CBD模型对我国大陆地区高龄死亡率的拟合和预测较好,预测区间和生存曲线合理。在长寿风险度量中,建议采用CBD模型。     

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。     

基于卡尔曼滤波算法的上证50指数预测

本文基于ARMA模型构建卡尔曼滤波算法的线性状态空间模型,然后利用ARMA模型的卡尔曼滤波算法来预测上证50指数,并且将预测结果与基于ARMA模型的预测结果进行了比较,结果表明,结合了ARMA模型的卡尔曼滤波算法的预测准确度为52.1%,明显优于单纯的ARMA模型。     

基于O-U模型的气温衍生品定价研究

本文以O-U均值回复模型为基础,考虑到我国不同地区的经济发展情况,从北到南依次选取了哈尔滨、北京、郑州、上海和广州五个城市作为气温衍生品发展的试点城市,收集五个城市1951-2017年的日平均温度数据来估计O-U模型的参数,并分析计算了不同气温指数的预测误差,采用蒙特卡罗模拟方法对气温衍生品进行定价。结果表明:O-U模型对气温季节指数的预测精度较好,而且不同月份的月度指数的预测精度偏差较大。