基于GARCH模型族的中国股市波动性预测

收益与风险历来都是投资者与研究者所关注的问题 .本文选取 GA RCH、TGARCH和 EGARCH模型来拟合中国股市的波动性 .实证分析结果表明 ,中国股市的波动具有显著的波动聚类性与持续性 ;由 E-GARCH模型所预测的上证 30指数、上证综合指数和深证成份指数未来一天的波动要明显优于 GARCH和TGARCH模型的对应值 ,而对香港恒生指数 ,三种模型的预测结果无显著的差异 .     

基于非参数GARCH模型的中国股市波动性预测

本文采用上证综合指数和深证成份指数1997年1月2日—2005年6月30日的每日收盘价对数百分收益率为样本,运用非参数GARCH(1,1)模型研究了中国股票市场的波动性,并与参数GARCH(1,1)模型的估计结果进行了比较,最后利用六种预测误差度量指标比较了这两种模型的样本内及样本外预测能力,结果发现,非参数GARCH(1,1)模型对股市波动性的预测精度有明显提高。     

基于MRS-GARCH模型的中国股市波动率估计与预测

基于误差项服从正态分布、t分布、广义误差分布的GARCH族模型和MRS-GARCH模型对中国股市波动的结构变化特征进行了实证研究。结果表明,中国股市存在显著的高、低波动状态,两种波动状态的ARCH和GARCH项系数存在较大差异;高、低波动状态均具有较长的持续时间,低波动状态的持续时间长于高波动状态的持续时间,且中国股市更易于从高波动状态转向低波动状态;MRS-GARCH模型预测效果总体上优于GARCH族模型,基于正态分布的MRS-GARCH模型短期预测效果较好。     

高频视角下中国股市动态VaR预测模型研究

如何充分挖掘交易数据中有价值的信息对金融风险管理极其重要,现有研究中基于低频波动模型的风险测度方法几乎已经做到了极致,而能达到的预测效果却并不稳健,对高频波动模型的研究相对比较匮乏。那么高频模型能否从高频数据中挖掘出更有价值的信息以便用于风险管理之中呢？本研究通过建立12个低频和9个高频波动模型对上证综指进行样本外动态VaR的滚动预测发现,高频模型相对于低频模型具有更好的稳定性,并且在多数情况下高频模型优于低频模型;多头与空头的风险预测效果具有显著差异,多头风险在高风险情况下高频模型表现出色,低风险情况下并不理想,空头风险则在所有情况下都表现较好。     

基于预测精度的多目标组合预测优化模型研究

考虑了组合预测精度的数学期望和预测精度的标准差这两个指标 ,建立了多目标规划组合预测最优化模型 ,并给出其数学规划的解法 .最后进行实例分析 ,结果令人满意 .该模型能反映不同时间序列预测方法有效性     

基于Copula-GJR-Skewt模型的投资组合风险预测研究

针对多元投资组合的风险预测,采用GJR-Skewt模型刻画单资产的厚尾、有偏特征,以及Copula模型刻画多元投资组合的非线性相关结构,用Monte Carlo方法模拟金融资产的随机分布,并结合滚动时间窗法,对投资组合的未来风险进行样本外动态预测.实证结果表明,Copula-GJR-Skewt模型对资产收益的风险预测能取得满意的效果;在VaR预测性能上,以GJR-Skewt模型作为边缘分布函数时,即使存在系统偏差,也能取得最优预测结果;预设残差服从有偏学生分布时,VaR的预测结果优于正态分布;传统的Garch-Guassian模型预测能力最差.     

基于机器学习组合模型的疟疾发病率预测研究

由于疟疾传播的复杂性,运用发病率历史数据和现有时间序列模型难以准确预测其发病率趋势.拟建立一种新的组合模型,以提高模型预测性能,并将其与应用较广泛的组合模型ARIMA-NNAR,ARIMA-LSTM进行比较.其中,以ARIMA(1,1,2)(0,1,0)12为基础建立的ARIMA-NNAR-XGBoost加权组合模型,...     

基于SARIMA-SVM组合模型的丙型肝炎发病率预测研究

基于SARIMA-SVM组合模型对丙型肝炎发病率进行预测研究.首先,利用2011年1月至2020年12月的发病率数据分别建立SARIMA模型、SVM模型和SARIMA-SVM组合模型;然后,利用2021年1月至12月的发病率数据验证模型的预测效果,并得出SARIMA-SVM组合模型的预测精度较高;最后,利用SARIMA...     

基于组合预测的变压器故障诊断模型

为了快速准确地预测出变压器的故障类型,及时做好维修工作,本文提出了一种基于非线性规划的组合预测模型.首先,利用改进的鲸鱼算法优化BP神经网络建立IWOA-BP预测模型;然后,在IWOA-BP预测模型和梯度提升树的基础上,利用非线性规划与遗传算法相结合的方法确定各算法的权系数,再将各算法的结果加权得出组合模型的最终预测结果.通过实例验证,IWOA-BP预测模型的变压器故障预测效果强于BP神经网络、随机森林等多种预测模型,并且利用IWOA-BP预测模型和梯度提升树建立的组合模型,其预测准确率高于组合中任意一种算法.     

基于组合模型的我国能源需求预测

在信息不完备条件下如何有效预测能源消费总量以把握宏观经济发展趋势,是制定能源规划的基础内容.伴随我国成为全球经济增长重要引擎,能源消费量越来越大,能源安全问题也备受关注.选用灰色系统模型、三次指数平滑模型和BP神经网络模型三种预测模型,应用Shapley值权重分配法确定各预测模型的权重,从而构建组合预测模型并对我国能源消费进行组合预测.在保持过去发展规律基本不变的条件下,2014年能源需求总量为383,718.16万吨标准煤,到2020年将达462,089.33万吨标准煤.2013-2020年能源需求总量年均增长率为3.38%.     

基于物理泡沫破裂模型的股市风险预测

股市泡沫是投资者关注的重要问题之一,如果能够通过计算得到准确的股灾时间,投资者就能在股市中做出更加正确的判断和操作,这对股票投资的风险管理是非常有意义的.股市泡沫与物理学上的气泡有很多相似之处,为此以气泡破裂模型为基础,将波动因素融入模型后建立股市泡沫破裂的数学模型.然后利用最小二乘和遗传算法求解出模型中的关键参数,从而得到模型的具体数学形式.利用该模型,对三段时间的上证指数进行了实证分析,得到预测的泡沫破裂(巨幅下跌)时间与真实的破裂时间误差较小,并且预测的破灭时间更容易出现在实际破裂时间的右侧,这说明泡沫的实际破裂时间以更大概率地比预测的要早.利用该模型又对近期的(2014年1月1至2015年6月10)上证指数进行预测,发现预测的破裂时间与真实的破裂时间基本一致,这说明该模型对刻画股市风险有较好的效果.     

基于组合模型的新疆包虫病发病数预测研究

包虫病是新疆危害最严重的人畜共患寄生虫病.通过对历史数据分析,建立适当的组合模型较好地预测了新疆包虫病月发病数,模型为做好新疆包虫病预防控制工作起到积极作用.     

基于ARIMA-LSTM组合模型的原油产量时序预测研究

针对现阶段油田产量预测中所出现的一些预测效果不理想的问题,开展了对全国原油产量的时序预测研究.针对全国原油2011-2020年产量所呈现出来的特点,采用一种基于时间序列自回归移动平均模型(ARIMA)结合长短期记忆网络(LSTM)组合模型的预测方法.首先,运用时间序列ARIMA模型的建模思想,对全国原油产量进行初步预测,再通过LSTM训练拟合残差并进行预测.最后将LSTM的预测结果补偿到初步预测结果中,得到组合预测值.组合模型预测结果显示,预测结果比较可靠,对预估原油产量具有一定的参考价值.     

中国股市基本面价值加权投资组合研究

基本面价值加权投资组合是近年来在美国兴起的新型投资理论和技术.其基础是噪声市场假说和价格回归价值。本文回顾了基本面投资组合的相关文献,解释了其建立的理论基础和模型.本文还根据平滑市值权重技术,构建了基于中国股票市场的基本面投资组合,并和传统的市值加权投资组合进行比较。本文的主要结论是,中国市场1992年到2002年和美国市场类似呈现平稳价格噪声,基本面投资组合总体优于市值加权组合.股权分置改革初期市场低落,市场价格过度低估基本面价值,市值组合占优势。2005年下半年来股市呈现一定泡沫特征,市场价格对基本面价值有过度高估趋势,间接地证明了相关部门对股市过热的警告和监管是合理的.     

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.     

上海股市波动的预测方式和模型

探讨基于 SV类模型的上海股市波动的预测方式和模型问题 .比较了 SV( stochastic volatility)类模型 (包括基本 SV模型和 ASV模型 )在两种不同方式下的预测效果 ,并将基本 SV类模型的预测效果与 ASV模型 ,以及其他常用模型做了比较 .结果表明 :SV类模型在两种预测方式下的预测效果存在一定的差异 ;基本 SV模型对于上海股市具有较强的预测能力 ;ASV模型的预测效果不理想 .     

基于SVAR模型的融资融券对中国股市影响研究

选取2014年3月至2016年9月的上交所数据,建立带有虚拟变量的SVAR模型研究融资融券交易在牛、熊市下对股市波动性的影响及其差异.结果显示:在牛市下,两融交易会进一步加剧股市波动性;在熊市下,两融交易对股市波动性有减缓作用;融资融券对股市波动性的影响是非对称的,即,融资对股市波动性的影响要远远大于融券的影响.     

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。     

基于非线性组合优化模型的抗癌药物QSAR预测

抗癌药物的定量结构-活性关系(QSAR)预测模型的研究有助于对癌症病人药物治疗的靶点进行预测和优化.首先综合XGBoost、随机森林和MIC筛选出与生物活性最重要的20个变量,其次,采用遗传算法对多个机器学习模型进行超参优化,最后将优化后的模型采用神经网络进行非线性组合,通过与多种机器学习模型以及组合模型的预测效果进行比较,发现此非线性组合优化模型具有最好的预测效果且稳健性检验结果表明本文模型能保持预测精度的稳定性.     

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.