股票日度价格波动规律研究:以河北农业企业福成五丰为例

运用复杂网络理论,选择农业龙头企业福成五丰的每日股票收盘价格作为样本数据,利用粗粒化方法建立价格波动幅度变化模态,对时间序列单变量波动幅度模态的统计、变化和演化规律进行了分析.研究结果表明,股票价格时间序列单变量波动幅度模态分布具有幂律性和群簇性,股票价格波动具有周期性,波动模态间的转换周期平均为6天,股票价格的群发性波动通过出现概率较小的且中介中心性较高的模态进行交替转换,网络的波动规律对股票投资和风险管理有指导意义.     

基于多元混沌时间序列的油田产量预测模型

油田产量的预测一直是石油工作者研究的重要课题.针对油田产油量、产水量、地层压力和时间之间有着混沌的特征,利用多变量混沌时间序列等方法研究了油田产量的混沌建模和预测问题.用C-C算法确定每一个变量的嵌入维数和延迟时间,重构多元混沌时间序列的相空间;使用基于奇异值分解的主成分分析消除重构相空间的冗余变量和噪声干扰,建立了有较好泛化性能的多元混沌时间序列油田产量预测模型;最后将混沌时间序列预测和Elman神经网络进行耦合,创建了基于主成分分析前馈网络的多元混沌时间序列油田产量预测方法.应研究表明,提出的多变量混沌时间序列预测方法的预测精确度优于单变量预测,它可用于解决具有多变量混沌时间序列的预测问题.     

基于主成分分析的单变量时间序列聚类方法

针对时间序列数据的高维特性,在进行理论分析的基础上,利用主成分分析法提出了一种单变量时间序列数据降维的新方法,进而提出了基于主成分分析的单变量时间序列聚类方法。其主要思想是在线性空间中的同一组基下,用系数之间的相似性来刻画对应时间序列之间相似性,在理论分析过程中,首先对单变量时间序列数据集进行主成分分析,其次分析了单变量时间序列数据集、样本协方差矩阵的特征向量与主成分之间的关系,并证明了由主成分构成的向量组线性无关。为了进一步验证理论分析结果的正确性和所提算法的有效性,分别利用仿真数据和真实的股票数据进行了数值实验。     

双重内共振系统非线性模态分岔的奇异性分析

利用多尺度法构造的一类1:2:5双重内共振系统的耦合非线性模态的分岔是一个两变量的分岔问题.利用Maple计算机代数可以通过消元将耦合的模态分岔方程分离为两个单变量的分岔方程.对分离后的单变量分岔方程进行奇异性分析,发现随着系统参数的变化,非线性模态的分岔既可以是一种模态向另一种模态的转化,也可以是一种模态的突然出现与消失.最后给出了两变量分岔问题可以利用消元后得到的单变量分岔方程和耦合方程进行处理的一种方法.     

基于贝叶斯ARFIMA-WRV模型高频数据长记忆性研究

考虑到高频时间序列波动率的长记忆性问题,构建了赋权已实现波动分数整合自回归移动平均(ARFIMA-WRV)模型对其进行了研究.利用贝叶斯统计方法对模型做了相应的贝叶斯分析,并对我国中小板股市收益波动率的长记忆性特征进行了实证分析.实证结果表明我国中小板股市收益波动率存在长记忆性特征;采用消除日历效应影响的赋权已实现波动作为波动度量和贝叶斯参数估计方法,很大程度上提高了模型的参数精度.     

基于经验分布函数的高维正态性检验（英文）

基于经验分布函数(EDF)的Kolmogorov-Smirnov (KS),Cramer-von Mises (CM)和AndersonDarling (AD)统计量是单变量正态性检验中常用的统计量.本文通过变量降维方法,提出基于EDF的广义统计量来检验高维正态性.通过蒙特卡洛方法模拟了三种统计量的近似临界值,并基于单变量情形下统计量的近似分布公式研究了广义统计量在原假设下的近似分布.蒙特卡洛模拟说明在某些备择假设下,所提出的统计量比现有方法功效更好.最后,本章将提出的检验方法应用于实际数据验证统计量的有效性.     

农产品期货价格联动性实证研究——基于中美玉米期货日收盘价数据

依据大连玉米期货和美国芝加哥玉米期货价格日收盘价数据,对中美玉米期货价格变化进行粗粒化处理.以玉米价格波动模态为节点,模态之间的转换为边建立中国玉米和美国玉米期货价格有向加权联动性复杂网络,通过该复杂网络研究中美农产品期货价格联动性波动规律.研究表明大连玉米期货价格与美国玉米期货价格的联动波动趋势为同向联动性,但中美玉米期货价格的联动性并不完全保持同向变动;加权聚集系数和点强度呈负相关,价格联动波动具有周期性,联动模态间的转换周期平均为5-6天;中美玉米期货价格联动的群发性波动通过出现概率较小的且中介中心性较高的模态进行交替转换,通过预测价格联动的波动状态,可以为规避市场风险提供决策参考.     

大窑湾入境集装箱量及疫情集装箱量的模糊预测研究

作为国际海运和物流业的主要装载工具集装箱是入境统计以及检验检疫的主要对象.按特定规律统计的集装箱量时间序列既有一定的统计规律,又有较大的随机性.采用模糊时间序列方法,通过构造论域、模糊集以及提出多重计算规则,对2005年6月至2012年10月大窑湾入境集装箱量、疫情集装箱量,以及疫情与入境集装箱量比值时间序列进行了模糊分析与预测.预测值与实际值的比较说明了算法的有效性.预测值与实际值的平均绝对误差、平均绝对百分误差从整体上揭示了时间序列自身的模糊性和模型的合理性.     

参数单指标分位数自回归模型的诊断检验

本文研究参数单指标时间序列分位数自回归模型有效性的检验问题.当分位数回归变量的维数较大时,现有的检验方法将面临"维数灾难"问题.为了解决这个问题,本文基于残差经验过程,利用降维思想构造统计量,它有效地适应于参数单指标时间序列分位数自回归模型.本文提出Khmaladze鞅转换方法来替代经验过程,并构造检验统计量,证明所构造的检验统计量能够渐近收敛到分布自由的标准Brown运动.模拟研究和实际数据分析的结果表明,本文所提方法在参数单指标分位数自回归模型的检验中优于已有的检验方法.     

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.     

混沌时间序列的2阶预测模型

为了克服传统预测方法对混沌时间序列预测精度不高的缺点,提出一种新的基于1阶预测模型(1-OP)和信息融合理论的混沌时间序列2阶预测模型(2-OP).首先根据相空间重构理论建立2个1阶预测模型,然后根据融合估计原理建立2阶预测模型.最后利用Lorenz和Mackey-Glass时间序列对该模型进行验证,结果表明,2阶预测模型对多变量和单变量混沌系统都是有效的.     

基于GMDH的LSSVM预测模型及其实证

自从Suykens提出新型统计理论学习方法-最小二乘支持向量机(LSSVM)以来,这种方法引起了广泛的关注,它在预测方面的良好性能得到了广泛应用.应用自组织数据挖掘(GMDH)方法改进LSSVM,提升了预测精度.首先利用GMDH方法选择有效的输入变量,再将这些变量作为LSSVM模型的输入,进行时间序列的预测,从而建立LSSVM和GMDH组合的混合模型GLSSVM.并通过汇率时间序列对本文模型进行了实证.结果表明,混合模型预测精度得到了明显的提高.     

基于GARCH模型的波罗的海干散货运价指数预测

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

基于GARCH模型的波罗的海干散货运价指数预测北大核心

为准确地把握波罗的海干散货运价指数(BDI)的变化趋势,选用一阶对数差分方法,对近期BDI日收益率序列的基本统计量特征进行了分析,验证了BDI日收益率序列的"尖峰厚尾"及波动的集聚性等特征,并进一步运用GARCH(1,1)模型,分析了其波动的持续性和滞后性.在此基础上,基于GARCH模型构造了预测的方法步骤,经优化调整滞后期对BDI日收益率进行了预测,最后,通过将BDI对数日收益率序列还原为指数序列,对BDI进行了预测,实证分析结果验证了模型及方法的适用性和有效性.     

一类广义耦合的非线性波动方程组时间周期解的存在性

研究了一类广义耦合的非线性波动方程组关于时间周期解的问题.首先利用Galerkin方法构造近似时间周期解序列,然后利用先验估计和Laray-Schauder不动点原理,证明近似时间周期解序列的收敛性,从而得到该问题时间周期解的存在性.     

应变率敏感性对微孔洞统计演化规律的影响

讨论了在高应力三轴度情况下材料中微孔洞演化的统计规律.根据幂次粘性基体材料中微孔洞长大的动力学方程和孔洞演化所满足的数目平衡原理,得到了动载条件下微孔洞数密度分布随时间的演化规律,考察了基体材料的率敏感程度对微孔洞统计演化行为的影响.对率敏感程度不同的金属材料的微孔洞演化特性进行了对比和讨论,所得的理论数据能定性地与实验观测结果相一致.     

基于VMD-ELM的农产品期货价格分解集成预测模型

为了捕捉农产品市场期货价格波动的复杂特征,进一步提高其预测精度,基于分解集成的思想,构建包含变分模态分解(VMD)和极限学习机(ELM)的分解集成预测模型。首先,利用VMD分解的自适应性和非递归性,选择VMD将复杂时间序列分解成多个模态分量(IMF)。其次,针对VMD分解关键参数模态数K的选取难题,提出基于最小模糊熵准则寻找最优K值的方法,有效避免模态混淆和端点效应问题,从而提升VMD的分解能力。最后,利用ELM强大的学习能力和泛化能力,对VMD分解得到的不同尺度子序列进行预测,集成得到最终预测结果。以CBOT交易所稻谷、小麦、豆粕期货价格作为研究对象,实证结果表明,该分解集成预测模型在预测精度和方向性指标上,显著优于单预测模型和其它分解集成预测模型,为农产品期货价格预测提供了一种新途径。     

用SASD统计包预报含季节变化数据

一、引言 时间序列分析可以揭示一个按时间间隔搜集的统计资料所反映的规律.一直掌握这种规律,即可对未来作出估计,这种估计就是预报.预报是任何决策的基本工具,它对 工程技术人员和管理人员是非常重要的。 时间序列中通常包括四种变化成分;长期趋势、周期波动、季节变动和随机变化.长期趋势是指变量值在一个长期内所呈现的增加或减小的趋势.周期波动是指在一年以上的时期内,时间序列沿其长期趋势线上摆动的波动变化.季节变动是指在一年内围绕趋势线的可以预报的重复运动.随机变化是指时间序列中的随机变化因素. 随机数据统计分析软件包SA…     

基于Hurst指数的风速时间序列研究

为研究风速时间序列的长程相关性和自相似性,采用重标度极差分析和去趋势波动分析对风速时间序列进行相关性分析,计算风速时间序列的Hurst指数,并对其进行了功率谱密度分析,计算其谱指数.结果表明,两种方法计算所得Hurst指数都较为接近1,说明风速时间序列具有显著的自相似性和长程正相关性;但R/S分析及DFA所得Hurst指数有所差异,这一差异说明DFA可体现出非平稳风速时间序列的幂率特征.此外,对风速时间序列Hurst指数及谱指数的分析还表明了风速波动具有"1/f噪声"特征.为风速分形混沌特性研究及风速短时预测等提供了理论依据.     

基于极端分位回归模型的原油股市动态相依关系研究

针对国际原油价格对股市波动影响效果,提出极端分位回归的模型检验方法.利用金融时间序列数据,通过加入结构突变,构建分位回归模型分析股票收益问题,根据中国等原油进出口国家股市收益进行实证分析,研究变量之间的相依关系.研究结果表明动态尾部相依普遍存在于国家股市中,国际原油对国家股市的冲击存在明显的异质性,原油可以较好的对冲风险投资.随着石油价格的波动,国家股票收益会因此受到影响,不同国家股市在不同分位点随着石油价格变化的波动出现异质性.