基于混频数据模型的税收收入预测研究——以河南省为例

税收收入在税收工作中具有重要意义.利用河南省税收收入数据,首先将采购经理人指数(PMI)等反映经济景气度和经济活动的经济指标引入到河南省税收收入的混频数据预测模型中.然后选择预测效果最好的PMI指数作为高频解释变量,构造指数Almon多项式权重的MIDAS (3,3,2)-AR (4)混频数据模型对河南省税收收入进行预测.最后与经典的时间序列预测方法对比,构造的税收收入混频数据模型具有明显的预测优势.     

基于小波分析的滑动GA-BP-GRACH模型对股票的预测研究

以“平安银行” 00001号股票收盘价为实证背景,基于小波分析下的滑动GA-BP-GRACH模型对该股票变化趋势进行预测研究,即:通过小波分解得到两类股票变化数据(低频、高频),并建立滑动窗口下的GA-BP神经网络对其低频数据进行预测,鉴于高频数据表现出的波动性特点,采用GRACH模型进行预测.结果显示,两类模型的预测效果均为良好.最后,再基于小波重构得到股票的最终预测数值.实验表明,所述模型在股票预测方面比传统神经网络模型更加优越,对股票变化规律刻画也有着一定的参考价值.     

基于时间序列法的国税月度收入预测模型研究

研究了基于时间序列方法的国税月度收入预测. 通过采用Box-Jenkins的ARIMA模型, 结合国税月度收入数据, 分析并提出了一套针对月度税收收入的预测研究框架, 包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法. 在该研究框架的指导下, 以增值税、海关代征税和营业税为例, 对2006年各月的税收收入进行了模拟预测, 月度税收收入预测的平均相对误差分别控制在5.47\%, 8.63\%和2.37\%. 最后给出了在实际应用中动态修正税收预测模型的建议, 并简要讨论了时间序列方法在税收预测中面临的问题.     

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IOWGA算子的铁路月度客运量的组合预测

我国铁路月度客运量增长趋势和季节特征明显,铁路月度客运量的精确预测能为铁路部门有效调度运力提供决策依据.选取2010年1月至2019年4月铁路月度客运量数据,先分别构建GM(1,1)灰色系统、Holt-Winters模型和SARIMA模型等3种单预测模型,再依据上述单预测模型,利用IOWGA算子构建组合预测模型,并检验IOWGA组合模型的有效性.结果显示:IOWGA组合模型的各项预测有效性检验指标均优于单个预测模型;预测2019年5月至2020年2月铁路月度客运量仍呈上升趋势,且客运高峰为7-9月和1-2月,客运低峰为11-12月.     

考虑高频数据影响的BEKK模型的估计及其应用

多维资产的协方差阵在投资组合中扮演着重要角色,如何估计和预测资产的协方差阵是统计领域的一大热点问题.将基于高频数据的已实现协方差阵(RCOV)和双频已实现协方差阵(TSCOV)应用到BEKK模型的估计过程中,提出了考虑高频数据影响的BEKK-RCOV和BEKK-TSCOV模型,这两类模型将高频数据引入到协方差阵估计过程中的同时,还可以对协方差阵直接进行预测,避免了预测模型的选择困难问题,并且提高了协方差阵的估计效率.通过实证研究发现:BEKK-RCOV和BEKK-TSCOV模型估计和预测效果明显优于BEKK模型,将其应用在投资组合时,使投资者获得了更高的收益.     

中国入境旅游客源量的模型对比分析及预测

根据2000年1月至2009年12月中国入境旅游客源量的月度统计数据,建立了灰色预测GM(1,1)模型和ARIMA乘积季节模型.借助于MATLAB及SPSS软件,对2009年1月至2009年6月中国入境旅游客源量进行分析预测,并将两种模型的预测效果进行比较,从而探索出比较合适的短期预测方法,预测方法和结果对旅游规划具有一定的参考价值.     

X11与联立方程组模型在宏观经济月度预测中的应用

宏观经济计量模型是当今世界各国普遍采用的一种研究国民经济运行情况的有效工具,主要应用于结构分析、经济政策评价和经济发展预测。本论文探索建立一个宏观经济月度计量模型,运用建立的月度计量模型进行短期预测,为经济决策提供依据。     

基于价格极差的GARCH模型

本文利用资产价格的极差序列,基于常规GARCH模型的框架,构造了一类关于波动率的新模型,即GARCH-R模型以及能够表达波动率变化非对称性特性的AGARCH-R模型。利用上证综合指数日收益率及相应的高频数据,通过比较不同模型对波动率以及VAR的预测效果,揭示了这种包含了极差信息的新的模型比传统的GARCH类模型的预测效果具有显著的优势。     

多分形视角下的金融市场波动建模研究

针对修正因子的不足,对多分形波动率进行了改进.以改进的多分形波动率为中心,建立了考虑跳跃,杠杆效应等典型特征的HAR类波动模型.通过对上证综指高频数据进行分析,从模型拟合,预测和风险值预测三方面评价,HAR-L-lnMFVt-CJ是最优的波动模型,且该模型优于传统的EGARCH-J模型和NGARCH-J模型.这些研究说明了修正的多分形波动率测度是更为有效的波动估计量.