基于三类模型的四大银行股票收益率预测研究

运用时间序列分析的预测方法,对四大银行的股票日对数收益率序列进行拟合与预测分析,分别构建ARMA模型、GARCH模型以及ARMA-GARCH组合模型,通过模型比较,实证分析表明:在拟合效果上,ARMA-GARCH模型的拟合优度优于ARMA模型和GARCH模型;在预测效果上,ARMA模型的预测效果最优,ARMA-GARCH模型次之.     

基于HP滤波和ARMA-GARCH模型的人民币汇率趋势预测

在复杂多变的金融市场,人民币汇率的变化受多种因素的影响,而人民币汇率的变化又影响着经济生活的方方面面,人民币汇率及其变化特征受到人们的广泛关注,研究人民币汇率变化特征,正确分析与预测人民币汇率的走势,对于国家和各个经济主体制定金融政策和投资决策具有十分重要的意义,采用HP滤波法将汇率数据序列分解为趋势成分序列和波动成分序列,然后使用自回归和ARMA-GARCH模型分别进行拟合和预测,通过实证分析发现模型有着较好的预测效果,可以为金融产品的预测研究和制定金融政策提供参考。     

数据拟合函数的最小二乘积分法

数据拟合的方法很多,每种方法各有特点.本文探讨了积分准则下的数据拟合函数的方法,称为最小二乘积分法,并给出了两个常用拟合函数具体形式.     

身高与体重的数学建模案例设计

本文首先根据生物学知识,结合马尔萨斯模型建立未成年人身高与平均体重之间关系的数学模型;接着借助Matlab软件拟合数据得到函数解析式并检验模型;最后根据拟合结果与未成年人青春发育期特征将模型进行分段优化.     

基于状态空间SV-T-MN模型的股指波动率预测

本文考虑到金融收益率序列的"尖峰厚尾"和波动持续性等特征,针对厚尾SV-T模型的波动率样本外预测问题,提出了基于状态空间下的SV-T-MN(SV-T with Mixture-of-Normal)模型。首先根据MCMC方法估计SV-T模型参数,然后由EM算法估计混合正态参数,最后利用近似滤波(AMF)算法实现SV-T-MN模型的样本外预测。对KF、EKF、AMF进行的模拟研究表明高斯混合状态空间下的AMF更有效。通过对上证指数和深证成指的股指日收益率序列的实证研究结果表明,在五大损失函数评价准则下,基于状态空间SV-T-MN模型能有效刻画金融收益率序列和尾部的波动性,相比SV-N-MN模型具有更好的优越性。     

分段拟合模型的应用──与陈性生同志商榷

在实际估计预测函数的参数时,常常会碰到样本数据变动很大的情况,若这种变动有一定规律,则可利用分段函数来进行拟合,即在不同的样本数据段上用不同的曲线拟合.因此关键是找到样本数据的变化趋势与转折点.通常的办法是: 1.直接从数据的图形上判断转折点, 2.利用初次回归的残差进行分析, 3.检验不同数据段上的均值与方差,等等. 陈性生的《非线性回归模型的校正和应用》(以下简称陈文)实际上就是分段函数的思想,只不过是在不同数据段上用修正过的数据对前一段的回归模型进行校正而已.这种校正即麻烦又无必要,而且这种修正数据的方法在统计中经…     

极差调节的局部惩罚样条回归方法

在惩罚样条回归模型中,根据截断幂基函数系数的直观意义,以结点两边数据点极差的线性递减函数作为局部惩罚权重,构造了一种新的局部惩罚样条回归模型.不同于整体惩罚样条,该方法使得当数据点集在局部具有较大的波动性时,能给予拟合曲线较小的惩罚,从而能更好地控制曲线在拟合优度与光滑度之间的平衡.模拟结果显示,当数据具有空间异质性时,采用该方法的回归模型相比整体惩罚模型有更好的信息准则得分.     

总体最小二乘准则下非线性EV模型的参数拟合方法

在非线性回归模型参数拟合问题中,当数据中的每个变量都存在不可忽略的误差时,在普通的最小二乘准则下拟合出的参数不是最优的.按照总体最小二乘准则,以观测点到拟合曲线或拟合曲面垂直距离平方和为目标函数,然后用最优化方法搜索出使目标函数值取最小值的参数和数据点估计,从而给出求最优模型参数的算法,最后,通过计算机仿真和与文献比较,验证了提出方法的正确性.     

基于两步法带宽选择的金融时间序列长记忆参数估计

金融时间序列长记忆参数的半参数估计方法以频域分析为主,带宽选择是其中必不可少的关键环节。不同的带宽可能给出差异明显的长记忆参数估计值,甚至产生矛盾的结论,进而影响时间序列平稳性的判断。本文提出一种两步法,用于金融时间序列长记忆估计的半参数方法的带宽选择,并进一步对长记忆参数进行估计:首先,为了克服半参数方法忽略短期结构的不足,通过信息准则判断ARFIMA(p,d,q)过程的短记忆结构;其次,用短记忆模型拟合差分后的序列,根据拟合效果确定选择带宽及长记忆参数估计值。数值模拟显示以长记忆参数估计值均方根误差最小为标准,两步法优于其他方法。经上证50指数已实现波动率日数据的实证检验,两步法在长记忆模型中的预测误差最小;与短记忆模型相比,两步法在中期提前预测步长上具有优势。     

以函数为参量的间歇发酵非线性动力系统及其辨识

建立以连续分段线性函数为参量的间歇发酵非线性动力系统,证明该动力系统的主要性质及解的存在性.以实验数据拟合得到的光滑曲线为依据,提出了连续分段线性函数为优化变量的辨识模型,论述可辨识性.依状态变量与辨识函数的相关性,构造求解辨识模型的优化算法,并给出优化算法的收敛性分析及数值结果.     

基于MCMC的SV模型分钟高频股指波动率研究

利用沪深300股指2018年11月5日-2018年11月12日1分钟数据,基于马尔可夫蒙特卡罗(MCMC)模拟的贝叶斯方法,采用随机波动模型(SV)对我国股市分钟高频数据波动性进行了实证研究,并利用DIC准则进行模型拟合比较.结果表明,沪深300股指收益率序列具有尖峰,厚尾,聚集性等特征,且随机波动模型对于1分钟高频数据的拟合效果优于5分钟数据,标准随机波动模(SV-N)更适合1分钟高频数据.     

金融区间序列分析及其预测的初步评价

金融市场中的实际观测数据,除随机性外往往还带有模糊性,这样的观测数据通常以观测区间的形式给出,例如,当我们谈及某日的上证指数时,其观测值总是在最低点与最高点之间波动。观测值的这种不确定性来自于多重隶属现象,而非随机现象,我们称这种不确定性为模糊性。不确定性问题通常含有两种意义上的分类:一类是随机不确定性,人们依靠概率统计方法进行处理;另一类是非随机性的不确定性,即为模糊性问题,通常利用模糊集合理论来进行研究。本文将在模糊数学理论基础上,利用回归分析方法,构建模糊金融时间序列模型,并利用FLP(模糊线性规划)方法来估计模型的未知参数。为了合理评价拟合效果,我们将根据测量模糊集合间的择近原则,给出利用样本平均贴近度来评价模型拟合效果的一个准则。实证研究将讨论金融模糊时间观测序列的建模、参数估计,并对模型的实际拟合效果和预测效果做初步评价。     

数据拟合函数的加权最小二乘积分法

数据拟合的方法很多,每种方法各有特点.探讨了积分准则下的数据加权拟合函数的方法,称为加权最小二乘积分法,并给出了三个常用拟合函数具体形式.     

不同视角下的积分极限问题

在函数序列性质,数列极限两不同视角下,分别通过极限与积分次序交换,拟合与分段估计的方法,研究积分的极限问题。     

优化背景值的GM(1,1)幂模型及其应用

GM(1,1)幂模型中幂指数的连续性,使得模型在一般的S形曲线序列的预测和拟合中具有更广泛的实用性.通过将背景值转化为相邻序列点的确定性函数建立了改进的GM(1,1)幂模型,给出了背景值序列的有关性质,借助已有文献中的算例验证了模型在拟合和预测方面的优越性.     

深证成指周收益率波动性的实证研究

利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。     

基于Copula函数和极值理论的金融传染度量——测度美国次贷危机对重要经济体的传染效应

基于Copula函数和极值理论研究美国次贷危机对重要经济体的传染效应,首先根据信息准则来选取Copula函数,然后用Cvm和Ks统计量来检验Copula函数的拟合程度,确保选取合适的Copula函数,并在此基础上计算一般相关系数和尾部相关系数;实证发现使用尾部相关系数度量金融传染并不可靠,因此基于Copula函数和极值理论的POT模型,构造了尾部附近相关系数并通过实证分析了其用于金融传染的有效性.结果表明发达国家所受传染较重,中国所受传染较轻.     

仓库容量有限条件下的随机存贮管理2

讨论了仓库容量有限条件下的随机存贮管理优化问题,认为时间是连续分布的.对于存贮一种商品的问题,根据订货点和自己仓库容量的关系分两种情况讨论,得到平均损失费与订货点、到货时间之间的关系式,利用实测数据拟合出到货时间的概率密度,建立了以平均损失费用的数学期望为目标函数的最优化模型,并使用MATLAB数学软件进行求解,得到三种商品的最优订货点分别为41,37和36.经过分析得知仓库容量与销售速率的比例、单位商品的损失费均对确定订货点都有重要影响.对于存贮多种商品的问题,根据到货时间的取值范围与两个时间临界点(销售完租借仓库中某种商品的时间和销售完所有该种商品的时间)之间的位置关系,将每种商品分为六种情况,m种商品组合起来,就有6()种不同情况,在此基础上,以m种商品的总体平均损失费用的数学期望作为目标函数,建立问题的最优化模型.针对题目中给出的三种商品的情形进行求解,得到最优订货点L*=4.807.最后,对销售速率随机的情形建立模型并进行了讨论.     

仓库容量有限条件下的随机存贮管理

讨论了仓库容量有限条件下的随机存贮管理优化问题,认为时间是连续分布的.对于存贮一种商品的问题,根据订货点和自己仓库容量的关系分两种情况讨论,得到平均损失费与订货点、到货时间之间的关系式,利用实测数据拟合出到货时间的概率密度,建立了以平均损失费用的数学期望为目标函数的最优化模型,并使用MATLAB数学软件进行求解,得到三种商品的最优订货点分别为41,37和36.经过分析得知仓库容量与销售速率的比例、单位商品的损失费均对确定订货点都有重要影响.对于存贮多种商品的问题,根据到货时间的取值范围与两个时间临界点(销售完租借仓库中某种商品的时间和销售完所有该种商品的时间)之间的位置关系,将每种商品分为六种情况,m种商品组合起来,就有6m种不同情况,在此基础上,以m种商品的总体平均损失费用的数学期望作为目标函数,建立问题的最优化模型.针对题目中给出的三种商品的情形进行求解,得到最优订货点L*=4.807.最后,对销售速率随机的情形建立模型并进行了讨论.     

基于三角模糊数序列的灰色预测模型

以GM(1,1)模型为代表的灰色预测模型是以精确数序列为基础,难以满足实际需要.为了使灰色模型适应于模糊数序列,具体给出了一种基于三角模糊数序列的建模方法,这种方法也可以实现对二元区间模糊数和梯形模糊数序列的建模.首先由三角模糊数序列得出三个含有等量信息的精确数序列:重心序列、隶属函数的覆盖面积序列和中界点序列,对这三个序列分别建模后,再导出原始三角模糊数序列的三个界点的预测模型.这种建模方法既保持了模糊数的整体性又提高了建模序列的光滑度,提高了预测精度.最后进行了多组随机三角模糊数序列的数据模拟,验证了模型的有效性.