长沙市商品房市场需求量的数理分析

本文在归纳总结与长沙商品房市场需求量相关联的若干经济指标的基础上,利用灰色关联熵分析方法提炼出影响商品房需求量的主要因素,然后建立灰色多元线性回归预测模型.通过实际数据检验,该模型可行并且能有效预测未来长沙市商品房的市场需求量的变化.     

基于面板模型的商品房价格影响因素的实证研究

选取了我国30个省市2006~2015年的面板数据,应用面板数据计量模型回归的方法,基于R语言对影响商品房价格的因素进行实证研究.首先,经过Hausman检验与F检验确定面板数据的模型为混合估计模型;模型可以通过十折交叉验证法、残差正太性的检验、Q-Q图检验、变量间共线性的检验;最后经过逐步回归分析,结果表明土地价格、商品房销售面积、居民可支配收入、人均国内总产值财政收入占地区生产总值比重、汇率这6个指标对商品房价格都有显著性的影响.其中,土地价格和居民可支配收入对商品房价格的影响最为突出.     

基于PCA-GM-BP神经网络的猪肉价格预测分析

针对猪肉价格上下波动呈非线性关系和影响因素复杂等难以预测的问题,提出了基于PCA-GM-BP神经网络预测模型对猪肉价格进行有效预测.以2010年1月-2018年12月的月度价格数据作为样本,共计108组数据,利用PCA对影响猪肉价格变化的12种因素进行降维处理,选用对猪肉价格的主要累积贡献率超过96%的5个主成分,构建PCA-GM-BP神经网络猪肉价格预测模型.结果表明:与传统的BP神经网络、GM-BP神经网络预测模型相比,PCA-GM-BP神经网络预测模型在提高聚类效果的同时,增加了预测结果的精确性,对我国猪肉价格预测具有更高的适用性与参考价值性.     

基于空间统计分析的中国省域房地产价格差异研究

运用空间统计分析方法对我国其中31个省市1999-2006年商品房平均价格分布差异进行研究.商品房价格的空间自相关分析结果表明,中国省域商品房价格具有显著的空间自相关,而且这种趋势在逐年增强.Moran散点图和LISA分析结果显示,省域商品房价格存在明显的二元结构,高值集中在经济比较发达的东部沿海地区,低值聚集在经济相对比较落后、房地产开发起步较晚的西部地区,而且这种集聚特征1999年以来一直存在.     

基于机器学习的智能TWAP和VWAP算法的研究及应用

TWAP与VWAP算法为两类较常见的经典交易算法.传统的VWAP算法在TWAP算法的基础上，大多使用预测日内成交量分布的方法指导算法下单.传统成交量分布的预测效果严重依赖于市场交易惯性，但交易量分布受到日内诸多突发因素的影响，导致算法对市场突发状况的应对能力较弱.本文对传统TWAP与VWAP算法进行改进，利用滚动的1分钟粒度高频实时资金博弈数据，基于Logistic分类器训练量价模型，以该预测结果为入参构建最优化期望执行均价模型，求出当下各个价格档位对应委托数量的最优解.通过相对高频的分钟级价格预测机制，保证算法实时跟踪市场行情走势并寻求相对优势的交易机会.该算法经测试可以稳定地跑赢市场均价，具备推广应用的可行性.     

周口市住宅商品房价格的分析与预测

近年来周口市住宅商品房价格持续上涨,引起了社会各界的关注.为了研究周口市住宅商品房价格的影响因素和未来走势,提出了一种基于灰色理论和多元线性回归分析的房价预测模型.首先,利用灰色关联度分析选取出对周口市住宅房价影响较大的因素.然后,通过进行统计检验和修正多重共线性,建立一个修正的多元线性回归预测模型.最后,在采用灰色GM(1,1)预测模型预测出所选取影响因素的新的时间序列值的基础上,再进行回归分析,预测出2017-2020年周口市住宅商品房平均销售价格.可见,未来几年内周口市住宅商品房价格仍会呈逐年快速上涨趋势,但增速不会越过25%的合理水平.     

基于多因素SVM的油价预测模型研究

准确预测国际原油价格,对于维护经济稳定和规避风险具有重要意义.由于国际油价的波动是由多种因素引起的,本文采用误差修正模型确定原油价格与因素的关系.将结果作为SVM回归预测模型的输入模式,建立基于多因素SVM的油价预测模型.通过实证研究,发现基于多因素SVM的油价预测模型相对于误差修正模型和基于国际油价本身的自回归SVM预测模型具有更好的拟合和预测效果.     

存货质押融资质押物价格变化MRS-GRACH模型研究

针对质押物价格收益序列存在的结构转换特征,对常系数ARCH模型进行改进,引入一个变化服从马尔科夫过程的状态随机变量反映价格收益不同的波动状况,从而构建了质押物价格收益MRS-GARCH模型.实例研究表明MRS-GARCH模型能够刻画现实中质押物价格收益波动结构动态变化过程,同时能够识别外界不可见因素对收益波动的影响力度,MRS-GARCH模型较GARCH模型在拟合及预测价格收益波动方面具有更准确的效果.     

EMD结合RBF神经网络新混合模型及股指期货价格预测

中国近4年才成立的股指期货市场价格呈现出非平稳、非线性的信号特征,传统的预测方法无法对长相关序列进行精确预测.将EMD与RBF相结合,建立了一种新的预测方法对我国股指期货日结算价格进行预测.结果显示本模型将原本具有长相关性质的原始序列分解为若干个短相关性质的不同频带,解决了原始序列随机性强,以及因相邻频带的干扰而造成的系统动力信息反映不足的缺陷;并与其他预测模型进行比较,显示出较高的预测精度.     

天然气价格跳跃下的期货定价动态模型及实证研究北大核心CSCD

针对天然气期货价格受跳跃性因素影响的问题,目前为止还没有研究引入跳跃过程描述天然气价格的变化.文章考虑了跳跃性因素,在三因素模型的基础上构建了带有跳跃性的天然气期货定价动态模型,并采用高斯化滤波器处理非高斯分布变量;利用纽约商品交易所(NYMEX)的天然气期货日常价格作为样本数据对模型进行实证分析.结果表明:天然气价格具有跳跃性和均值回复性,且向上跳跃的概率较大;投资者要求天然气价格的非跳跃随机波动的风险溢酬为正;利用文章提出的模型进行期权对冲比三因素模型和其它模型(只考虑一个因子的跳跃性)更为成功;与三因素模型相比,具有跳跃性的期货价格动态模型的拟合和预测能力更好.