基于GARCH模型的人民币汇率波段动态特征研究

依据人民币兑美元汇率的长期走势所示性态,对人民币汇率时序数据分段建立GARCH模型,实证检验了人民币汇率的波段动态特征.结果表明,人民币汇率时序数据不服从正态分布,波动具有明显的集聚性,序列前段波动长记忆性明显,中后期波动尖峰厚尾特性更加显著,依据分析,央行应采取适当的调控措施和平稳的汇改政策抑制人民币汇率过度波动.     

Copula理论在复合期权定价中的应用

本文使用风险中性评价方法分三部分计算了复合期权的价值,针对需要计算联合分布的第二部分,通过选取边缘分布为GARCH模型的二元正态Copula模型进行推理验证,结果求得的联合分布与使用风险中性评价方法的计算结果一致.进一步计算得到了时间相依的复合期权的价值,并且给出了使用Bayes时序诊断法和Z检验来诊断期权定价时其出现价格大的波动时的局部拐点的方法.     

基于数据的银行信贷行业的信用风险研究

目前多数研究利用美国旧金山市KMV公司于1997年建立的模型(KMV模型)计算企业年违约距离来评估具体企业的信用风险,但缺乏信贷行业的信用风险评估方法,也不能给出随时间变化的信用风险.首先提出基于数据的信贷行业随时间动态演化的信用风险评估模型,然后利用2016年18个行业的数据得到了中国信贷行业动态演化的信用风险,该信用风险随时间演化特征可分为波动上升、下降后波动、下降后稳定、稳定四种类型.进一步研究发现金融业、科学研究和技术服务业、信息传输软件和技术服务业这三个行业动态演化的信用风险平均值高且不稳定,住宿和餐饮业的信用风险很高但是比较平稳,其他行业的信用风险较低且较平稳.     

大数据背景下的商品需求预测与分仓规划

商品需求预测对于电商企业意义重大,对阿里电商平台的交易数据进行挖掘以获取有效特征,利用特征建立模型对未来两周这些商品的需求进行动态预测,并基于预测结果和成本最小的原则提出分仓规划建议.预测模型选择随机森林做回归,然后在残差分析的基础上建立报童模型求解分仓的库存规划.对特征数量众多的电商交易数据挖掘所建立的模型有助于电商企业进行有效的商品需求预测并据此制定成本更低的分仓规划.     

基于损失函数的GARCH类模型波动率预测评价

本文的目的是通过利用多种损失函数评估三种GARCH模型的预测精度，找到最优的股指期货日内波动率研究预测模型。利用之前的研究结果，三个沪深300股指期货日内一分钟日内收益率被用作研究对象，对标准GARCH,eGARCH以及RealGARCH三个模型做了实证检验，并利用多种损失函数，从不同角度衡量三个波动率模型的预测精度。研究发现：Sample1样本的RealGARCH模型有最好的预测效果，而Sample2样本与Sample6样本的eGARCH模型有最好的预测精度。因此，在对沪深300股指期货日内波动率研究时，应根据其样本特征，优先选择具有能够反映非对称特征的波动率模型来刻画波动过程，对未来波动率做预测。     

上海市PM2.5浓度的分析与预测

针对上海市PM2.5的浓度进行动态分析及预测.通过使用Page检验分析了上海市PM2.5浓度近几年的变化趋势;然后建立时间序列ARIMA模型对PM2.5浓度日数据进行拟合分析与预测.在此基础上通过引入影响PM2.5浓度的其他因素建立带时间序列误差的回归模型以及引入波动率因素建立带波动率方程的模型改进原时间序列ARIMA模型;通过比较样本外预测的效果,结果表明改进后的两个模型其结果均优于已知文献中的ARIMA模型.     

灰色时序组合模型及其在地下水埋深预测中的应用

地下水埋深的变化过程是一个复杂的非线性过程,这种具有复杂的非线性组合特征的序列,使用某一种模型进行预测,结果往往不理想.在分析了灰色GM(1,1)模型、灰色GM(1,1)周期性修正模型和时序AR(n)模型的优点和缺点基础上,提出了一种新的灰色时序组合预报模型.该方法利用了GM预测所需原始数据少、方法简单的优点,用周期修正方法反映其地下水位埋深周期性波动的特征,用AR(n)模型预报其地下水位埋深的随机变化.实例研究表明,这种方法方便简洁实用且预测结果接近于实际观测值,为其它地区的地下水位埋深和相关时间序列的分析研究提供参考与借鉴作用.     

基于价格持续时间的中国股市日内风险价值预测

基于高频数据度量日内交易活动的风险是目前日内金融数据与风险管理中极具挑战性的研究课题之一。本文从实时交易的角度,使用中国股市分笔交易数据,基于价格持续时间的自回归条件持续时间(ACD)模型,研究日内不规则交易数据的风险测度,利用日内不等间隔波动模型估计了日内交易的即时条件波动率,对日内不等间隔风险价值进行了预测和检验。实证结果发现日内不等间隔风险价值模型能够比较好的刻画日内交易风险,股票投资者和市场监管者可以基于该工具对日内风险做出合理的预测,达到止损避险和控制风险的目的。     

机制转换条件下股市收益率跳跃行为研究:基于RS-ARJI模型的以中国股市为例的实证分析

为检验股市收益率机制转换特性,考察机制转换条件下股市收益率的跳跃特征,以及在不同机制下跳跃行为对股市收益率的冲击效应,将Markov机制转换思想引入自回归跳跃(ARJI)模型,构建一个机制转换自回归跳跃(RS-ARM)模型.基于该模型对中国股市进行实证研究,结果表明:股市存在高、低波动两种机制,高波动时期的跳跃幅度和强度及其对股市收益率的冲击均大于低波动时期.同时,波动率估计和预测评价指标显示,RS-ARJI模型优于目前被广泛使用的GARCH模型和ARJI模型.     

基于径向基的时序化敏感特征选择方法研究

在模式挖掘应用于生产智能分析与辅助决策过程中,为提高模式特征选择的准确性和敏感度,设计生产案例样本结构,对特征实体进行逻辑转化;采用时域参数,以时序等粒度函数为基础融合并处理原始数据,降低数据维度,完成数据清洗;选定距离特征评估法选择敏感特征,应用径向基函数,引入距离评估因子反应类内聚集程度,描述特征敏感程度,完成时序化敏感特征的选择,达到深度挖掘数据潜在敏感特征,提高数据变化模式表达能力和鲁棒性的目的.最后结合油田聚驱生产施工作业过程,利用方法实现多元复合并发生产异常模式的特征选择过程.     

中国证券市场不同频率波动预测模型比较研究——基于预测精度和风险管理的视角

准确估计和预测金融资产价格波动是金融风险管理的核心问题。本文将厚尾分布纳入混合频率模型,采用上证综合指数2004-2011年滚动时间窗样本,利用SPA检验和MCS检验对低频、高频和混合频率三类波动模型预测精度进行比较。从风险价值的准确性和预测失败的损失程度角度对比三类模型的风险管理效果。通过对不同损失函数和不同时间窗口的分析发现,在10个波动预测模型中,扩展后的混合频率Realized GARCH_t在预测日波动时具有较高的预测精度,能准确计算短期风险价值,而在预测周或者月波动时,半参数NSM模型预测精度更高,风险价值更准确。     

中国黄金期货市场波动特征及模型预测研究

选取上海期货交易所黄金期货价格指数日内10分钟高频收益数据,构造了经调整的已实现极差波动率估计序列,利用6类GARCH模型建模分析,描述了黄金期货价格指数的波动特征.运用多种损失函数比较了GARCH类模型样本外波动率预测精度的优劣,并在此基础上,采用一种渐进正态分布检验法评估了GARCH类模型的预测效果.结果显示,黄金期货已实现极差波动率估计序列具有尖峰厚尾、集聚性、持续性等特征.对于黄金期货市场,ACD-GARCH模型具有相对最好的波动率预测能力.     

基于交叉数据随机波动模型的实证研究

在随机波动模型的基础上,结合交叉数据的特点,提出了交叉数据随机波动模型,综合对比与分析金融市场相关品种的价格波动关系.首先,应用离散小波变换,对数据进行滤波;其次,采用伪极大似然估计方法对系统模型进行参数估计;然后,运用遗传算法,对各个子模型进行参数寻优;最后应用交叉数据随机波动模型对我国期货市场上大豆、豆油、豆粕三品种进行实证分析.实证表明,交叉数据随机波动模型可以较理想地反映豆类三者之间价格波动的关系,说明相关品种之间存在较强的波动持续性.     

基于Jackknife模型平均的社会用电量预测研究

针对社会用电量波动的复杂性,文章将Jackknife模型平均理论引入社会用电量分析与预测研究.中,通过加权平均不同模型的预测值,最大限度减少有用信息的遗失,以提高社会用电量预测准确度.通过选取中国和美国不同时期社会用电量数据集,并使用各类预测误差指标以及Diebold-Mariano检验法,来验证所提出的Jackkni...     

时态支持向量机模型在股票操纵模式发现上的研究

基于原始时间属性下的时态数据难以发现规律的特点,文章构建了时态支持向量机模型,该模型通过对输入时态数据的粒度变换,获得多个分类模型,从而能够发现多种规律.在此基础上,结合时态型操纵特征构建了股票操纵模式发现模型,最后在证监会披露的操纵股票真实数据上进行数值实验,实验发现细时态粒度数据的分类模型在识别一般操纵和严重操纵上效果较好,粗时态粒度数据的分类模型在识别未被操纵或轻微操纵上效果较好.在未知数据集上实验,该模型可以有效识别不同程度操纵股票的模式,其中1个时态粒度数据下添加市场差异特征的模型表现最好,识别准确率达到了98.25%.文章验证了在不同时态粒度输入下,时态支持向量机模型能够发现在原始数据上不能发现的模式特征,这对解决一些复杂规律在原始特征下难以被发现的问题具有重要借鉴意义.     

不同矩属性波动模型对中国股市波动率的预测精度分析

金融时间序列的波动性建模经历了从一阶矩到二阶矩直到高阶矩(包含三阶矩和四阶矩)的过程,而对于高阶矩波动模型是否有助于对未来市场的波动率预测这一问题,国内外学术界尚无文献讨论。以上证综指长达7年的每5分钟高频数据样本为例,通过构建具有不同矩属性的波动模型,计算了中国股票市场波动率的预测值,并利用具有bootstrap特性的SPA检验法,实证检验了不同矩属性波动模型的波动率预测精度差异。实证结果显示:就中国股市而言,四阶矩波动模型能够取得比二阶矩波动模型更优的波动率预测精度,而三阶矩波动模型并未表现出比二阶矩波动模型更强的预测能力;在高阶矩波动模型中包含杠杆效应项并不能提高模型的预测精度。最后提出了在金融风险管理、衍生产品定价等领域引入四阶矩波动模型的研究思路。     

探索加密货币波动率预测中的模型不确定性问题:log转换、时区采样以及模型设定

文章全面地比较了一系列模型在预测加密货币波动率时的表现.结果发现,粗糙波动率模型在预测多期样本外的波动率时表现更加稳健和可靠,而异质自回归(HAR)模型相对较弱,但经过log转换后的HAR模型在预测上则表现更优.此外,考虑到加密货币的特点,选取合适的时区划分依据也非常重要,因为不同的时区可能对加密货币市场的波动率产生影响.研究还引入了最小二乘模型平均法来应对波动率建模中的模型不确定性.结果表明,模型平均方法在加密货币市场波动率预测中相比其他方法具有优越性,能够平衡不同模型之间的优缺点,提高预测的可信度和稳定性,对于预测市场的波动性是非常有效的.文章研究指出,在选择合适的波动率模型时需要综合考虑加密货币波动率的特性和历史表现,并且在应用模型时需要注意其在不同数据集和预测目标下的表现,避免盲目使用导致预测效果的不确定性.     

沪铜期货与现货市场的价格发现与波动溢出效应

运用了Granger因果检验、脉冲响应函数、VEC模型以及BEKK模型,对沪铜期货与现货市场的价格发现与波动溢出效应进行实证分析.实证结果表明:期货价格与现货价格存在着长期均衡关系和Granger双向引导关系,在价格发现中,期货市场占主导地位,且比现货市场有着更强的信息效应;期货市场与现货市场各自的波动持久性均显著,而两者间的交叉波动效应相对较小,但是现货市场来自期货市场的波动溢出效应大于期货市场来自现货市场的波动溢出效应.     

基于CNN-BiLSTM模型的PM2.5浓度预测方法

针对传统长短期记忆网络(Long Short-Term Memory,LSTM)在预测PM_2.5浓度时只考虑了数据的时序特征而忽略了空间特征的问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与双向长短期记忆网络(Bi-directional Long Short-Term Memory,BiLSTM)的混合预测模型.该模型结合CNN与BiLSTM模型不仅考虑数据双向的时序特征,还关注不同特征之间的空间关联性,模型通过提取并融合数据的时空特征来实现PM_2.5浓度预测.在北京市2010年-2014年的天气和污染水平数据集上,将该模型与LSTM、BiLSTM、CNN-LSTM模型进行PM_2.5浓度预测实验对比,结果表明CNN-BiLSTM模型的预测误差明显小于其他模型,该预测模型具有更好的预测性能.     

资产波动率为随机的信用等级迁移风险评估模型

以公司债券为手段,评估具有随机波动率的信用等级变换的风险.根据公司资产的多少将公司划分为高低两种信用等级,并假设公司资产的变化满足Heston随机波动率模型,且波动率在高低等级下围绕不同的均值波动回归.通过计算这样的资产波动下公司债券的价值,来评估具随机波动率的信用等级变换的风险.利用一张特殊的零息票来对冲由波动率的随...