汇率市场收益及波动的长记忆特性研究

该文利用对数周期图法对日本/中国汇率中间价的收益及波动序列的长记忆特性进行研究,并建立了ARMA-FIGARCH和ARMA-FIEGARCH模型。研究结果发现：收益序列不存在长记忆特性,而波动序列却存在显著地长记忆特性。     

模糊聚类在销售业绩评估中的应用

销售业绩的评估问题具有模糊性,可以采用模糊聚类的方法对其进行分析评价。本文给出了模糊聚类的方法和步骤,并在销售业绩评估中进行应用。     

基于数据仓库、联机分析处理(OLAP)和数据挖掘的新决策支持系统

传统智能决策支持系统[2](IDSS)的产生与发展为人们做出各种决策提供了巨大的支持,但在社会快速发展和需求巨大增加,特别是海量数据不断产生的情况下,传统智能决策支持系统的局限性与不足快速地凸现出来。本文是针对传统智能决策支持系统的不足而提出的基于数据仓库、OLAP[3]和数据挖掘的新决策支持系统。     

基于改进多尺度阈值去噪的人民币汇率实证分析

考虑到金融时间序列中噪声的干扰,有必要在金融建模研究中做适当的去噪处理。不同于传统的小波阈值去噪,本文应用改进的多尺度阈值技术对人民币/美元汇率序列进行去噪处理,并基于不同误差分布情况下综合分析,确定ARMA（1,1）-GARCH（1,1）-T为最佳拟合模型,最终给出预测效果,证实了应用新的多尺度阈值方法去噪后的汇率模型预测精度较高。     

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。     

中国生活能源热力消费的ARIMA模型及预测

本文利用ARIMA模型,对1980-2009年中国生活能源热力消费量序列进行分析,建立了差分自回归移动平均模型ARIMA(1,2,0)。检验结果表明,ARIMA(1,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国生活能源热力消费量的预测。在此基础上,对我国2010-2014年的生活能源热力消费量进行了预测,最后给出了结论及建议。     

汇率市场收益及波动的长记忆特性研究

该文利用对数周期图法对日本/中国汇率中间价的收益及波动序列的长记忆特性进行研究,并建立了ARMA-FIGARCH和ARMA-FIEGARCH模型。研究结果发现:收益序列不存在长记忆特性,而波动序列却存在显著地长记忆特性。     

贸易壁垒的动态博弈模型

本文基于财富效用转移机制,从贸易壁垒、合作和贸易限制范围扩大等层面建立进出口国动态博弈模型。结果显示:对贸易链低端市场放宽出口产品许可限制范围,协助出口国产业升级将改善贸易失衡。缩紧缓冲区间和加大贸易限制力度,对进口国经济产生正向激励。     

房地产周期波动与金融稳定的相关性研究

房地产业作为一个资金密集型产业,其发展离不开金融机构的信贷支持,同时,房地产市场的周期波动又会影响到区域金融稳定性。本文在对以往有关房地产周期性波动和金融稳定相关性研究的基础上,对中国房地产周期波动性与金融稳定关系进行了描述性分析,并利用1988～2011年的年度数据,通过建立向量自回归模型对中国房地产周期波动与金融稳定性进行定量分析,发现两者之前存在相关关系。最后,为促进我国金融机构的稳定发展,又提出了相关政策建议。     

基于Hedonic理论的住宅特征价格模型——以上海为例

本文将Hedonic理论应用于上海市住宅市场,从住宅具有的特征属性的隐含价格出发,取得住宅特征和住宅价格之间的数量关系,避免了评估人员因主观原因引起的评估偏差。文中采用线性模型、对数模型、半对数模型等函数形式分别进行分析,分析得出半对数模型的解释能力最强。通过运用半对数模型建立适用于上海市住宅市场的Hedonic模型,并分析影响住宅价格的因素及半弹性系数,同时进一步优化该Hedonic模型,以提高其精度及适用性。