基于GRNN的中国出口集装箱运价指数预测

本文基于GRNN神经网络模型对中国出口集装箱运价指数进行仿真并预测。研究发现:GRNN模型对中国出口集装箱运价指数的拟合值与实际值较为接近,仿真效果较好;12周预测值与实际值有一定差距,但调整后预测值在短期内与实际值较为接近,模型短期预测能力较强。     

基于商品期货价格的通货膨胀预测研究

利用商品期货价格对中国通货膨胀进行了实证分析和预测。研究发现,大宗商品期货价格对PPI和CPI的变动具有显著影响。回测结果表明,模型对PPI和CPI的短期预测能力相对良好,对中长期预测的误差虽有增大,但预测走势与实际走势大体一致。在此基础上对下一步通胀走势进行分析后发现:2022年PPI将呈现逐步回落趋势;短期内CPI有小幅上升的可能,未来一年内将回落至较低水平震荡。由于期货价格无法预测到中长期产业政策变动,因此预测模型无法捕捉到个别月份的大幅波动,但在趋势判断上仍有一定参考价值。     

人工神经网络在股指期货价格预测中的研究--基于沪深300股指期货市场高频数据的分析

本文基于GRNN神经网络模型对中国沪深300股指期货高频数据进行仿真并预测,研究发现：GRNN神经网络模型的拟合值与实际值曲线非常接近,仿真效果较好;预测值与实际值整体保持一致,平均相对误差较小,模型短期预测能力较强。     

中国出口集装箱运价指数的波动性研究——基于SV类模型的比较分析

本文基于五类随机波动模型对中国出口集装箱运价指数波动性进行了分析。研究表明:在杠杆SV下指数表现出更大的波动特性;五个模型的都大于0.84,表明收益率序列波动存在很强的续特性,但SV-T模型下波动聚集现象最明显;SV-N、SV-MN及杠杆SV模型下波动的可预测性较强;在DIC准则下,Leverage-SV在综合刻画中国出口集装箱运价指数波动性最优。     

不良资产收购处置业务中担保物权的破产撤销问题

"借新还旧"型的破产撤销,并非仅看债务成立的时间和担保物权设立的时间是否一致,也会实质地分析是否有损于其他债权人的受偿利益。登记对抗类担保物权在临界期间迟延登记的,若迟延登记不是债权人主观因素造成的,则需区分不同原因区别对待。登记生效类担保物权能否被破产管理人撤销,需要判断临界期间的登记是否是合理原因造成的时间差。对此,资产管理公司在不良资产收购处置业务中应充分了解合同相对方的资信状况、认真核查担保物权的登记状况、谨慎识别银行方与债务人是否"借新还旧",以避免担保风险导致其权益受损。