组合预测模型在农产品价格短期预测中的应用——以苹果为例的实证分析

以我国苹果批发市场价格为研究对象,利用2006年7月7日至2012年3月30日期间的300个周数据作为分析样本,通过对时间序列的平稳性、趋势性、季节性、异方差等数据特征进行统计检验,筛选出双指数平滑模型、Holt-Winters乘法模型、ARIMA(1,1,4)模型为我国苹果市场价格短期预测的适用模型,以此为基础,以误差平方和最小为最优准则建立了组合预测模型.经对未来3期的苹果市场价格开展预测,结果表明,组合预测的精度要高于单项时间序列模型,组合预测方法完全适用于农产品市场价格的短期预测.     

基于相空间重构和最小二乘支持向量回归模型参数同步优化的碳市场价格预测

为提高碳市场价格预测的准确性,提出了一种基于相空间重构(PSR)和最小二乘支持向量回归(LSSVR)模型参数同步优化的碳市场价格预测模型(PSO-PSR-LSSVR).该模型基于碳市场价格数据特征,利用PSO算法自适应同步优化PSR和LSSVR参数,有效克服了模型参数单独优化和轮流优化的缺陷,保证了参数组合的整体最优.以欧盟碳排放交易体系(EU ETS)下两个碳期货价格为研究对象,实证结果表明,相比常用的预测方法,该模型能够获得更高的预测精度.     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于ARIMA-DGM-BP组合模型的喀什地区GDP预测

组合模型的预测效果一般优于单一模型的预测效果.利用ARIMA模型,DGM(1,1)模型以及BP神经网络构建ARIMR-DGM-BP组合预测模型,给出了建立该组合模型的基本思路.利用喀什地区2000-2018年GDP的相关数据资料,建立了ARIMR-GM-BP和ARIMR-DGM-BP组合模型并对预测的效果进行了统计分析,结果表明ARIMR-DGM-BP组合模型的预测效果优于ARIMR-GM-BP组合模型.最后运用本文的组合预测模型对喀什地区2019-2021年GDP进行预测.     

非结构性数据驱动的混合分解集成碳交易价格组合预测

碳交易价格的有效预测有助于投资者合理决策以及政府制定科学的碳交易政策。本文提出一种非结构性数据驱动的混合分解集成碳交易价格组合预测方法。首先，基于百度指数获得碳交易相关非结构性数据，并利用主成分分析(PCA)方法提取其主成分。其次，对主成分序列与碳交易价格历史数据进行经验模态分解(EMD)、变分模态分解(VMD)与小波分解(WT),按频率高低重构后得到它们的高、低频序列和趋势项。然后，自适应选取自回归移动平均模型(ARIMA)、Holt指数平滑法和人工神经网络模型(ANN),结合非结构信息对碳价格的高、低频序列和趋势项进行预测。最后，基于BP神经网络等对三种分解方法的预测值分层集成，得到碳价格最终预测结果。对比实验结果显示，上述组合预测方法充分利用了多源信息，预测精度高且适用性良好。     

改进型LOBNN & AR-GARCH模型在股票预测中的应用

为实现对股票价格的短期预测,本文在Laguerre正交基神经网络 (LOBNN)模型的基础上,提出了一种新的组合预测模型来预测短期股价的变化。该模型先通过改进LOBNN模型的权值求解算法,用以增强模型的通用性。接着在其基础上设计新的迭代算法,进一步提高模型的预测精度,进而得到新的LOBNN模型。之后将股价数据分别代入AR-GARCH模型和改进后的LOBNN模型,得到输入数据的两组预测值。最后通过不同的权重来组合两种预测结果,生成最终股价的预测结果。文末的仿真结果表明该组合模型在预测精度与通用性上较原始模型有较大的提升,是一种高效的预测模型。     

深圳市供水量的最优组合预测

城市供水系统是一个复杂的大系统,供水量受多种因素的共同影响。本文以深圳市最近20多年的供水量历史数据为基础,建立了深圳市供水量的最优组合预测模型。该模型具有较高的预测精度,组合预测的预测效果优于任意一种单一预测的预测效果,供水量预测结果对深圳市未来供水的短期或长期规划能起到重要的宏观指导作用。     

基于EWT-PSO-SVM误差校正组合模型的中国股市预测研究

鉴于股市预测的复杂性.遵循"先分解后集成"的总体建模思路.文章基于EWT分解算法和SVM支持向量机模型.同时结合PSO粒子群优化算法和误差校正组合预测方法,构建了一种中国股票市场建模及预测的EWT-PSO-SVM误差校正组合预测模型.先基于EWT算法将原始价格序列分解成若干分量,再根据频率将其重组成高、中、低频3个分量,对它们分别建立PSO-SVM误差校正组合模型.最后集成各个分量的预测结果.与其他预测模型相比较,文章所构建预测模型的MSE、MAE、MAPE、RMSE、Theil不等系数、确定性系数DC和方向性指标DS 7个指标均优于其他基准预测模型,MCS检验结果同样表明本文构建模型的预测性能最优.稳健性检验结果进一步证实了文章构建的模型预测性能所具备的稳健性.     

基于带隐含波动率的混频条件自回归极差模型的股市波动率预测研究

极值理论表明价格极差是波动率的一个有效的估计量。同时,众多研究表明,基于期权价格的隐含波动率包含了市场前瞻性的信息。本文在经典的基于极差的条件自回归极差(CARR)模型基础上,充分考虑价格极差的长期动态性以及期权隐含波动率包含的信息,构建了带隐含波动率的混频CARR (CARR-MIDAS-IV)模型对极差波动率进行建模和预测。CARR-MIDAS-IV模型通过引入MIDAS结构能够捕获条件极差的长期趋势过程(长期记忆特征)。而且,CARRMIDAS-IV模型同时考虑了极值信息以及隐含波动率包含的关于未来波动率的信息(前瞻信息)对波动率建模和预测。采用恒生指数和标普500指数及其隐含波动率数据进行的实证研究表明,充分考虑条件极差的长记忆性(MIDAS结构)以及隐含波动率包含的信息对于极差波动率建模和预测具有重要作用。总体而言,本文构建的CARR-MIDAS-IV模型相比其他许多竞争模型具有更为优越的数据拟合效果以及波动率预测能力。特别地,CARR-MIDAS-IV模型对于中、高波动期波动率的预测具有较强的稳健性。     

基于CEEMDAN-MR-PE-NLE多频优化组合模型的碳金融市场价格预测

鉴于碳金融市场价格预测的复杂性,遵循"分解"、"重构"、"预测"、"集成"的总体建模架构,构建了CEEMDAN-MR-PE-NLE多频优化组合预测模型.先基于CEEMDAN算法对原始碳价序列进行分解,然后采用CCI贡献度指数和E-C进化聚类算法以及Lempel-Ziv复杂度指数对分量进行重构,进而得到高频分量、低频分量和趋势分量,利用PSO-ELM粒子群优化的极限学习机预测模型对三个重构分量分别进行预测,最后采用非线性集成算法将重构分量的预测结果进行集成,得到最终的碳价预测结果.五种模型预测效果评价指标和MCS检验均表明:与基准模型相比,构建的预测模型性能最优,DM稳健性检验结果也进一步证实了构建的预测模型的稳健性.     

一种基于局部回归的多尺度碳市场价格预测模型研究

碳市场价格呈现非线性、非平稳的复杂特性,准确预测具有较大的挑战。基于“分而治之”的思想,提出了一种基于局部回归的多尺度碳市场价格预测模型。提出的模型利用集成经验模态分解(EEMD)对碳市场价格时间序列进行分解。启发于EEMD局部特征分解的特点,对分解后的分量采用局部回归方法进行预测,然后将分量预测结果进行集成。采用的局部回归方法包括局部线性回归(LLP)、局部多项式回归、局部岭回归、局部主成分回归、局部偏最小二乘回归和局部套索回归。实验结果表明基于局部回归的多尺度预测模型具有优异的预测性能。在提出的模型中,EEMD-LLP结构简单且性能更为突出,进一步对EEMD-LLP参数的适应性进行探讨。与新近提出模型的对比结果表明了EEMD-LLP在碳市场价格预测中的有效性。     

Point and interval forecasting for carbon price based on an improved analysis-forecast system

Effective analysis and forecasting of carbon prices, which is an essential endeavor for the carbon trading market, is still considered a difficult task because of the nonlinearity and nonstationarity inherent in carbon prices. Previous studies have failed at the analysis and interval prediction of carbon prices and are limited to point forecasts. Therefore, an improved carbon price analysis and forecasting system that consists of an analysis module and a forecasting module is established in this study; more importantly, the forecasting module includes point forecasting and interval forecasting as well. Aimed at investigating the characteristics of the carbon price series, a chaotic analysis based on the maximum Lyapunov exponent is performed, the determination of appropriate distribution functions based on our newly proposed hybrid optimization algorithm is conducted, and different distribution functions are effectively designed in the analysis module. Furthermore, in the point forecasting model, the phase space reconstruction technique is applied to reconstruct the sequences decomposed by variational mode decomposition due to the chaotic characteristics of the carbon price series, and the reconstructed sequences are considered as the optimal input–output variables of the forecasting model. Then, an adaptive neuro-fuzzy inference system model is trained by the newly proposed hybrid optimization algorithm, which is developed for the first time in the domain of carbon price point forecasting. Moreover, based on the results of point forecasting and the distribution function of the carbon price series determined by the analysis module, the interval forecasting results can be obtained and implemented to provide more reliable information for decision making. Empirical results based on the carbon price data of the European Union Emissions Trading System and Shenzhen of China demonstrate that the proposed system achieves better results than other benchmark models in point forecasting as well as interval forecasting.     

房价波动的财富效应对城镇居民收入的影响——基于湖南省的协整检验分析

基于微观视角,梳理房地产财富效应的作用机理,构建了房价影响居民收入的理论基础,并利用湖南省1998~2014年数据实证检验了房价波动对居民收入的影响程度.实证结果表明,房价与居民收入之间具有长期协整关系,若房地产市场繁荣致使房价增长1%,则居民收入相应增长0.519%.通过向量误差修正模型检验发现,当短期房价波动偏离长期均衡值时,以负0.33的力度反向作用机制将波动拉回到长期均衡值.     

不同路径下能源价格对碳价格的传导关系研究

针对已有文献大多探讨能源价格与碳价格间的影响程度,本文从建模的角度寻找碳价格与能源价格间的联动关系。首先,使用随机微分方程刻画碳与能源的价格走势,得到碳——能源联动模型解析解。其次,在解析解的基础上,分别讨论能源价格如何通过影响碳市场价格均值、波动率路径从而影响整个碳价格。第三,分析重大能源政策产生的跳跃对碳价格的影响。结果显示,随着能源与碳市场关联程度的增加,相较于能源价格通过均值路径影响碳价格,其通过波动率路径影响碳价格的效果更为明显;且跳跃路径下的碳价格震荡小于波动率路径下能源价格传导引起的碳价格震荡。本文的结果对理清碳——能源价格联动关系具有积极意义,为投资者规避碳市场风险提供必要理论指导。     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

基于碳关税和配额的再制造决策研究

在跨国闭环供应链中考虑碳关税、碳配额和碳税三种政策的影响,分别建立了出口国制造商(OEM)再制造模型和OEM授权进口国零售商进行再制造模型,得到不同模型中OEM和零售商的最优价格、最优销售量、最优利润,进一步分析了产品碳排放总量是否超过配额的不同情形下新产品碳排放量对新产品和再制造品价格、销售量的影响以及其中碳关税和碳税发挥的作用.结果表明,在配额限制下,存在碳关税、碳税以及两种政策共同约束的取值区间,当税率水平在不同区间时,新产品碳排放量对两种产品的价格、销售量有不同的影响.     

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。     

基于变结构协整理论的保费预测模型

提出了一种基于变结构协整理论的保费预测建模新方法,所建模型反映了保费和GDP之间的长期静态和短期动态波动的均衡关系.通过确定时间序列突变点,并利用突变点信息提高模型的预测精度,避免了传统的保费预测中经常存在的虚假回归问题.采用该方法对中国年度保费进行了预测分析,结果表明了该方法的有效性.     

中国碳排放与能源消费关系实证研究——基于VEC模型

中国碳减排问题成为世界关注的焦点问题.研究碳排放与能源消费关系有助于实现2020年碳减排目标.选取1953-2008年中国碳排放和能源消费数据,运用协整理论、向量误差修正模型(VEC)和Granger因果关系分析,对中国碳排放量与能源消费之间的相互关系进行实证研究.研究结果表明:碳排放与能源消费之间存在协整关系,能源消费增加1%,碳排放将增加0.9646%,即碳排放对能源消费的长期弹性为0.9646.从短期误差修正模型来看,碳排放与能源消费之间具有动态调整机制.非均衡误差项的存在,能够保证两者之间长期均衡关系的存在.Granger因果关系研究表明:碳排放与能源消费之间互为双向因果关系.通过脉冲函数和方差分解分析了模型的动态特征.根据研究结果,提出降低能源消费和减少碳排放对策.