基于ARIMA与信息粒化SVR组合的股指预测研究

对于证券市场投资者而言,基于合理假设准确预测资产价格未来发展方向与趋势关乎投资成败。本文通过构建一个基于ARIMA与信息粒化SVR的组合预测模型,对股票市场指数价格和收益变化的趋势进行预测。实证研究结果表明:基于ARIMA与信息粒化SVR组合的股指预测模型相较于传统时间序列模型而言,在预测精度和效度方面有较大提升,能够在一定时间周期内对股票等风险资产的价格波动区间进行较为可靠地预测,但目前还只能大致确定时间序列波动的区间范围而不能精确地预测具体点位。未来仍需结合其他预测模型和预判技术进一步深入研究,以有效提升股指趋势预测的准确性和实际指导性。     

基于ARMA-GARCH-SN模型的沪深300股指期货日内波动率研究与预测

运用五个交易日的股指期货高频数据(每秒两笔),本文主要研究了沪深300股指期货日内波动率特征并对日内波动率预测。研究发现高频股指期货日内收益率有明显的波动率聚集和条件异方差现象,但无尖峰厚尾现象,收益率序列分布符合有偏正态分布。因此,我们对时间序列建立了最优的ARMA-GARCH-SN模型,并对模型拟合充分性做了验证,拟合结果发现ARMA(1,2)-GARCH(1,1)-SN模型基本能够刻画股指期货高频日内波动特征,条件方差所受的冲击具有很强的持续性、日内波动也具有长记忆性,最后我们还利用自助法对高频股指期货日内波动率两步预测、利用滚动回归预测方法对样本做了样本内预测。预测结果表明,波动率预测结果能够较好地反映股指期货日内波动特征。     

基于神经网络的期货预测数据预处理问题研究

期货预测研究在期货价格数据预处理和预测方法上存在直接套用原始数据代入模型以及价格预测模型和原始数据模型不相匹配等问题,需要予以解决.本研究在采用通货膨胀率指数调整、平均周期项以及滤波等方法对铜期货价格时间序列数据进行预处理后,分别将预处理前后的期货价格数据输入到神经网络预测模型,通过比较两者预测结果来验证原始期货时间序列数据预处理的必要性.     

基于SVM的沪深300股指期货量化交易策略

基于支持向量机(svm)理论建立沪深300股指期货量化交易模型,与传统对期货价格走势进行绝对预测的回归预测方法不同,模型利用支持向量机在处理非线性系统中的分类优势,将价格未来变化的趋势转化为交易信号,把一个复杂的时间序列回归预测问题转化为二分类问题.接着,把价量信息和技术指标分别作为输入向量,再引入止损机制,在动态预测模型上构建量化交易策略.采用历史数据对策略进行回测仿真,实证结果表明,价量信息交易策略表现要好于技术指标交易策略,量化交易模型总体取得了较好的盈利效果.     

基于异常值检测的港口集装箱吞吐量预测模型

考虑到诸如金融危机等重大事件的影响,时间序列可能存在异常值,提出了一个基于局部异常因子(LOF)的LOF-SSA-LSSVM预测模型,并将其应用于广州港集装箱吞吐量预测.首先,对原始时间序列进行X12加法季节分解,对于分解得到的不规则序列,采用LOF算法进行异常值检测,确定异常数据的位置,之后通过插值或最小二乘支持向量机(LSSVM)的预测值来修正原始季节调整序列中的异常值,将修正后的季节调整序列与季节因子序列加和,即得到新的待预测序列.预测阶段,先采用奇异谱分析(SSA)将新的待预测序列进行分解重构,剔除序列中的噪声,然后再采用LSSVM对其进行预测.实证结果表明,建立的LOF-SSA-LSSVM模型相比BP、ARIMA等模型有着更好的预测精度.     

机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析

机器学习在人工智能领域取得了巨大的成就,在学界和业界都掀起了机器学习的热潮.针对股指期货交易速度快、交易频率高和交易量巨大且交易数据具有高纬、时序的特征,构建了新的股指期货量化投资模型,采用沪深300股指期货1分钟高频数据作为研究对象.并对比分析了神经网络、支持向量机和XGBoost对股指期货下1分钟价格的变动方向的预测能力.研究结果表明,三种机器学习方法都具有较好的预测能力,但XGBoost的预测能力要优于传统的神经网络和支持向量机.     

基于多尺度自适应阶ARMA的混沌序列多步预测

混沌时间序列在自然界以及人们的生产生活中很常见,混沌序列看似杂乱无章但相较于纯随机序列其中蕴含着一些非线性的运动特征,提出一种基于多尺度自适应阶ARMA的混沌时间序列多步预测方法.首先利用自适应噪声的完备经验模态分解(CEEMDAN)对原始混沌序列进行分解,获得不同尺度的固有模态分量(IMF)和残余分量.然后采用经粒子群算法(PSO)进行阶数寻优的自回归移动平均模型(ARMA)对每一个IMF分量进行拟合预测.最后将预测得到的每一个分量相加得到原始混沌序列的预测值.基于Mackay-Glass混沌序列和太阳黑子数混沌序列进行实验分析,实验表明:与ARMA、PSO-ARMA以及CEEMDAN-ARMA方法相比,方法的预测效果有较好的提高,其平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE)都有降低.     

基于长记忆模型的期货与现货波动率关系分析

基于SEMIFAR模型分析了沪深300指数和沪深300股指期货对数日波动率序列的长记忆性,发现股指期货波动率序列的长记忆性弱于指数波动率序列.另外,通过对比分析两波动率序列的确定趋势可知:现货市场与期货市场的波动率的变化趋势基本一致,二者处于一种长期的均衡关系,但又存在一定的差异;期货市场对于稳定现货市场的波动具有一定的作用,尤其表现在股价大幅度下跌时.     

基于SSA的金融时间序列自适应分解预测

提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并...     

基于CEEMD与GA-SVR的猪肉价格集成预测模型

为提高猪肉价格预测的准确性,结合互补集合经验模态分解(CEEMD)的分解能力和基于遗传算法的支持向量回归(GA-SVR)的自适应预测功能,构建猪肉价格集成预测模型.首先为解决猪肉价格的复杂波动特征,通过CEEMD对猪肉价格分解得到本征模态函数(IMF)序列集;然后使用排序熵(PE)对IMF序列进行复杂度分析,进一步使用快速傅里叶变换方法(FFT)分解复杂度高的序列;再利用灰色关联度(GCD)对IMF序列集进行关联性分析,聚合相似IMF序列;最后基于各IMF序列的数据特征构建相应的GA-SVR预测模型,并将子序列的预测结果集成获得最终价格预测值.以中国集贸市场的猪肉价格为研究对象,实证结果表明,该集成预测模型在预测精度和方向性指标上,显著优于其他单预测模型和分解集成预测模型.     

沪深300股指期货价格发现能力研究

利用沪深300指数及其期货当月主力合约的5分钟高频数据,本文采用Granger因果检验、向量自回归模型、Johansen协整检验及向量误差修正模型,系统分析不同价格趋势下沪深300股指期货的价格发现能力。研究表明:第一,在上涨趋势中期货收益率单方面引起现货收益率变化,现货收益率不是引导期货收益变化的原因;但是,在下跌趋势中现货收益率与期货收益率具有相互引导的Granger因果关系。第二,无论在上涨阶段还是下跌阶段,期货市场都在价格发现能力方面处于主导地位。第三,期货价格与现货价格存在长期均衡关系,当二者短期内偏离均衡时,期货价格引导现货价格向均衡方向调整。     

Hedging effectiveness of stock index futures

The paper is concerned with the efficiency of hedging stock portfolios using futures stock indices covering the period January 1995–December 2001. The hedged portfolios consisted of the assets of seventeen investment companies quoted on the London Stock Exchange and two portfolios, which were assumed to match exactly the corresponding cash index. Two futures indices were used to hedge the funds namely FTSE100 and FTSE250 futures indices which are quoted on LIFFE. Weekly observations were used providing 365 observations for each variable.The total sample was split into two sections. The first 261 observations were used to estimate the optimal hedge ratio (i.e. the in-sample period) providing 260 returns for each variable and the remaining 104 (i.e. the post-sample period) observations utilised to check the efficiency of the estimated hedge ratio. In addition a second estimation window was tried using the last 30 observations of the in-sample period. A variety of methods were tried to estimate the optimal hedge ratio including ordinary least squares (OLS), methods allowing for the existence of Autoregressive Conditional Heteroskedasticity, and an Exponential Weighted Moving Average (EWMA).The general conclusions reached were that for the portfolios within the data set (i) that the EWMA method of estimation provided the best estimate of the optimal hedge (ii) the shorter estimation window was no more efficient than the longer window and (ii) the FTESE250 futures index was the best hedging vehicle for these portfolios.     

基于随机占优的股指期货市场有效性分析

2015年中金所出台严格监管措施后,股指期货成交低迷,异象频出。为验证严格监管措施对股指期货市场有效性的影响,本文利用随机占优DD测试法,为风险规避者和风险寻求者分别构建升序和降序占优模型。传统DD测试法用等间距划分的方式产生网格,且假设检验的两个判定阈值为相反数,这不符合金融数据的分布规律。因此,本文提出了对DD测试法的两处改进,利用“等频率划分法”产生网格,利用“非对称分位数法”产生阈值。实证方面,本文对三个股指期货及其现货的15分钟数据进行分析,发现在自股灾以来,上证50指数一阶占优于上证50股指期货,形成套利机会,且该套利策略的年化收益率、夏普比率和卡玛比率都非常优异。实证进一步显示,严格监管措施后占优数量达到最高峰,严格监管措施导致的股指期货功能受损比股灾更严重,而这一现象在中金所逐步放松监管措施后得以稍微缓解但没有根本改变。     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

沪深300股指期货日内绝对收益率与成交量之间动态关系研究

均值为零的观测样本绝对收益率可以看作波动率的无偏估计量,因此本文选取连续20个交易日的日内高频数据来研究沪深300股指期货日内绝对收益率和成交量之间的动态关系。在检验了样本稳定性后,文章采用格兰杰检验方法检验了股指期货日内绝对收益率和成交量之间的因果关系,检验结果表明:所有样本的成交量均不是绝对收益率的格兰杰原因,而20个样本中的15个样本的绝对收益率是成交量的格兰杰原因。随后我们使用向量自回归模型分别对15个模型的系数做估计,并对模型估计结果做了脉冲响应分析。研究发现,在此高频抽样条件下,与以往研究不同,沪深300股指期货绝对收益率的变化会明显降低其观测期的成交量。因此,在股指期货日内成交量与绝对收益率的研究中,历史成交量与收益率都对当前成交量有着重要影响;而绝对收益率只受历史绝对收益率的影响。     

经济政策不确定性对“中-美”股市、“中国股市-黄金市场”的长期动态相关性影响研究———基于DCC-MIDAS模型

研究聚焦在中国经济政策不确定性对“中-美”股市、“中国股市-黄金市场”的长期动态相关性影响方面。引入Baker提出的用于衡量经济政策不确定性的EPU指数建立修正版DCC-MIDAS模型,基于该模型的实证结果如下:其一,中国经济政策不确定性指数变动对 “中-美”股市的长期相关性具有显著的正向影响;其二,中国经济政策不确定性指数变化对“中国股市—黄金市场”的长期相关性具有显著的负向影响,当经济政策不确定性较高时,投资者会倾向于选择相对安全的黄金资产,这恰恰符合“安全投资转移”效应。除此之外,作为应用案例,比较了美股股指期货和黄金期货的风险对冲效果,结果显示美股期货对冲更优。     

沪深300股指期货价格发现功能的实证分析

价格发现功能是股指期货的一项重要的经济功能.以股指期货与现货市场的相互关系作为出发点,以沪深300指数以及沪深300股指期货连续合约日收盘价数据作为研究对象,采用定性分析与实证分析相结合的手段,深入研究股指期货和现货市场间价格发现关系.     

我国股指期货市场与股票市场风险传导机理研究——基于双变量CAViaR方法

本文基于日内和日度数据使用双变量CAViaR模型估计了沪深300股指期货和标的指数的风险价值,并基于沪深300股指期货市场日内交易行为角度分析了股指期货和现货市场间日内与日间风险传导作用的差异。结果发现,期货市场日内风险的自相关特征显著高于现货市场,而两个市场的日间自相关性相差甚小,期货市场向现货市场的单向风险溢出效应仅体现在日内信息的传递过程中。与现货市场相比,期货交易的杠杆性以及当日回转交易便利了日内投机、套利交易,因而期货市场日内信息传递效率更高。     

股指期货考虑套期保值成本时的套期保值比率研究

所谓股指期货,就是以某种股票指数为标的物的金融期货合约.它同时具有股票与期货的特性,是组合投资者规避系统风险的重要金融衍生工具.针对股指期货,在考虑套期保值成本的前提下,利用套利和CAPM模型给出最优套期保值比率的计算公式.这将在一定的程度上,提高了计算的准确性,并且减少计算的工作量.