基于CEEMD-LSTM-Adaboost模型的白糖期货跨期套利策略

以白糖期货合约SR2201和SR2109的5 min高频数据为研究对象,在验证二者存在长期均衡关系的条件下,构建GARCH模型来刻画残差的ARCH效应,将互补集合经验模态分解(CEEMD)方法与长短期记忆网络(LSTM)、自适应提升算法(Adaboost)相结合,通过预测价差涨跌进行套利操作,设置不同开平仓阈值,在样本区间内进行4种神经网络套利策略对比研究。结果表明:基于CEEMD-LSTM-Adaboost模型的神经网络套利策略应用于白糖期货市场可行有效,并且其在模型预测精度和套利效果方面均比BP、LSTM和LSTM-Adaboost神经网络更具优势。

基于切比雪夫不等式的白糖高频数据统计套利

文章对我国白糖期货合约的6个时间频率段的数据进行基于切比雪夫不等式的统计套利研究。通过协整建立两个月的数据之间的静态回归方程,利用切比雪夫不等式和夏普比率在回归残差的基础上构建套利阀值统计量,在利润最大化的前提下求得最优阀值,并利用最优阀值对样本外数据进行套利分析。

基于协整-GARCH模型最优阈值统计套利研究

依据协整和GARCH模型理论,以历史数据作为样本,建立预测未来标准残差序列的模型。利用GARCH模型标准残差序列预警套利信号,搜索标准残差套利的最优阈值和风险测度,建立最优套利方案。检验结果表明,以历史数据建立的最优套利方案对样本外数据进行套利,与传统利用标准正态分布置信水平确定阈值进行套利相比效果更好,其收益和套利成功率均更高,适用于未来短期跨期套利;最优阈值套利方案量化风险值,可有效控制套利风险,适用于低风险投资爱好者。

基于小波分析与贝叶斯估计的组合统计建模

小波分解方法可以实现时间序列的分解。利用小波分析分解出趋势项序列与周期项序列,分别对两部分序列建立ARMA模型进行预测,并重构序列。为了降低估计效率的代价,本文引入MCMC方法对趋势项和周期项序列建立的ARMA模型参数进行估计,得出自回归系数与剩余项(趋势项序列减去自回归项的预测值),并利用OLS方法对剩余项重新估计,最后重组序列。利用样本外数据进行预测分析,我国铁路货运量数据的实证分析结果表明,小波分析的引入可提高预测效果,基于小波分析与MCMC-OLS估计组合方法与其他方法相比,预测效果更好。

基于HP滤波和协整理论的期货套利研究

利用Engle-Granger检验法,检验上海沪铜期货两个近月合约收盘价数据的长期均衡关系.在满足协整理论前提下,利用HP滤波法将两序列分别分解为长期趋势和短期波动周期性两种成分,并建立一种新的跨期套利方法:通过高阶自回归模型拟合趋势成分,并将趋势成分拟合误差转入周期性成分,通过GARCH类模型族对修正后的周期性成分进行拟合;再运用穷举法搜索历史数据标准化残差最优建仓与平仓阈值,建立最优套利方案;最后利用拟合模型进行预测和最优套利方案对未来数据套利.实证结果表明:基于HP滤波的套利方法,平滑指数越小,套利利润越高.与传统未进行HP滤波的套利方法相比,套利成功率较高,风险能得到有效控制,且投资者有较高的收益.

基于3σ准则的分段拟合及其GARCH修正模型

在金融时间序列中,一组金融序列可被视为由不同时间段的分段函数拟合连接而成.利用3σ准则确定分段函数的临界点,并根据AIC准则及调整后R2对分段点进行验证,从而分段点把数据分割成两部分.对两序列分别用合适的函数进行拟合,并用ARMA-GARCH模型对残差序列进行修正.由上证综合指数数据的实证分析结果表明:3σ准则能很好地检索出临界点,同时建立的分段函数模型预测效果要优于ARMA与EGARCH模型,以及ARMA-GARCH模型的引入对模型的精确度有所提高.所介绍的方法简单易懂、便于操作、精度高,为金融投资者和学者提供参考价值.

基于改进熵值赋权法和TOPSIS模型的综合评价应用

在运用熵值赋权法处理综合评价问题的过程中,当出现极端值时指标值会出现异常的不足,为此对熵值赋权法进行了修正,并利用数据的信息度量和信息损失的容忍度,讨论了修正的范围及修正的影响,给出了熵值赋权法修正的范围。利用修正的熵值赋权法和改进的TOPSIS模型,对比综合垂面距离和无量纲综合值排名对广西14个城市作了城市旅游竞争力综合评价的排名和分析,结果表明:无纲综合值排名不够客观,而熵权综合和垂面距离排名也有区别,从综合城市旅游竞争力的其他重要指标看,熵权综合值改进模型得出的结论更符合实际情况。