基于小波分解和ARIMA-GARCH-GRU组合模型的制造业PMI预测

制造业采购经理人指数(PMI)是反映国家经济运行情况的重要指标,而传统预测模型对该类时序数据预测精度不高。针对制造业PMI指数的非线性、波动性和数据量少的特点,提出一种基于一维离散小波变换进行数据预处理的组合模型。时序数据经过小波变换,由整合移动平均自回归–广义自回归条件异方差模型(ARIMA-GARCH)处理稳态低频数据,门控循环单元(GRU)处理波动性强的高频数据,将各频段预测结果进行融合得到最终预测结果。为验证模型有效性,选取一定数据量的PMI指数进行实验。结果表明,与其他常见模型对比,本文构建的组合模型具有较好的预测精度与性能,平均绝对误差(MAE)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)分别达到0.00329、0.004162、0.65%。

基于WPD-ARIMA-GARCH组合模型的酱卤肉制品安全风险区间预测

针对传统确定性预测不能提供不确定性信息的难题,本研究提出了一种点估计和区间估计组合预测模型,并将其创新性地应用在食品安全风险预警领域。在点估计部分,使用小波包分解(wavelet packet decomposition,WPD)对周风险等级序列分解后,应用差分自回归移动平均(autoregressive integrated moving average,ARIMA)模型进行预测;在区间估计部分,使用广义自回归条件异方差(generalized autoregressive conditional heteroskedast,GARCH)模型对残差进行预测。本实验将建立的WPD-ARIMA-GARCH组合模型运用于某地区酱卤肉制品的风险预测,结果表明2019年的3月底和7月底该地区的酱卤肉制品安全风险较高,与实际情况相符;同时,该模型在10个不同地区的酱卤肉制品风险预测中,均方误差、平均绝对误差和平均绝对百分比误差分别为1.626、0.806和20.824;其90%置信区间的预测区间平均宽度和覆盖宽度标准值均为0.024,可以覆盖所有真实值。该模型具有较高的预测精度和较低的误差,能对酱卤肉制品质量安全起到风险防控作用,可为日常食品安全监管提供相应的技术支持。

基于在线LASSO VAR和EGARCH模型的风场功率集成概率预测

由于风速波动性大,风力发电往往呈现一定的不确定性.传统风能预测模型以均值为0、方差固定的正态分布度量不确定性,但方差可能随时间变化,即具有异方差性.为提升预测精度,基于在线最小绝对收缩和选择算子的向量自回归(LASSO VAR)和指数自回归条件异方差(EGARCH)模型,提出一种考虑异方差性的风场级功率集成概率预测模型.首先使用在线LASSO VAR模型预测风力机的有功功率,再利用自回归条件异方差检验验证残差的异方差性,并利用信息冲击曲线和动态显著线评估正负残差对未来条件方差的不对称影响.然后针对异方差性和不对称性,使用EGARCH模型对单风力机有功功率的残差进行预测,得到有功功率的条件方差.最后,考虑各风力机有功功率的相关性,将风场中各风力机的有功功率求和,得到整个风场总有功功率的概率预测结果.将该方法应用于中国华东某地风场,验证了该模型能有效提高预测精度.

基于VAR和EGARCH的投资者情绪对股市收益率的影响研究

借鉴国内外已有成果,用主成分分析法将2个主观指标与4个客观指标相结合,形成一个能有效衡量投资者情绪的综合指标,其能反映6个原始指标的大部分信息,且与股市收益率显著相关。在研究投资者情绪波动和股市收益率波动时,用向量自回归(vector autoregression,VAR)模型探索了二者间的关系;考虑证券市场信息的不对称性,运用了指数广义自回归条件异方差(exponential generalized autoregressive conditional heteroskedasticity,EGARCH)模型。研究表明,投资者消极悲观情绪对股市收益率的冲击作用大于积极乐观情绪;投资者情绪受收益率下降的冲击影响远大于收益率上涨的影响。

单个期货合约市场风险VaR-GARCH评估模型及其应用研究

以单个期货合约每一交易日的涨跌率反映期货合约市场风险,借助V aR风险价值法,运用广义自回归条件异方差(GARCH)模型,建立了V aR-GARCH单个期货合约市场风险评估模型,解决了单个期货合约每一交易日最大损失的确定问题.该模型的特点为借助GARCH方法预测条件异方差,充分体现了期货合约价格的聚集效应、厚尾效应和时变方差效应,使V aR估计更加精准;对V aR的置信区间进行2χ检验,从实证的角度得到合理精准的V aR值;可以依据本模型确定期货保证金的数量,为交易所制定更合理的单个期货合约保证金收取水平提供依据.

基于GARCH-EWMA的期货价格预测模型

在EWMA和GARCH模型思想的基础上,提出基于GARCH-EWMA的期货价格预测模型,为期货市场合约价格的预测提供新的预测方法.本模型的特点一是GARCH模型对EWMA模型中的关键参数———衰减因子进行测定,解决以往使用EWMA模型时没有一个科学的确定衰减因子的方法.二是通过分别对大豆和豆粕期货合约的衰减因子进行确定,发现不同品种不同时间的衰减因子显著不同,因此,对于不同商品有区别地采用相应的衰减因子;解决以往预测模型对不同期货商品的预测均采用同一模型的问题.

参考作物腾发量的GARCH类模型模拟与比较

由于辐射、气象等复杂因素变化,水文过程时间序列模型的预测和不确定性是当前研究的重要问题。该文以参考作物腾发量为研究对象,运用能够反映时间序列非线性变化的GARCH(generalized autoregressive conditional heteroscedasticity model)类模型,选取湖北省宜昌站1953—2007年实测气象数据进行计算,依次研究其时间序列特性、预测模型、波动特征和最优的误差预测模型。结果表明,季节自回归滑动平均模型(SARMA,seasonal autoregressivemoving average model模型)很好地模拟了参考作物腾发量时间序列变化(模型均方根误差为0.089mrn),但Engle拉格朗日乘数检验结果表明参考作物腾发量变化过程存在条件异方差特性;GARCH、TGAR,CH(threshold GARCH)、EGARCH(exponential GARCH)和PGARCH(power GARCH)模型的应用估计表明,GARCH类模型能够很好刻画时间序列预测模拟中的方差变化特征,相比于传统线性时间序列模型能够更好反应预测中的不确定特性;通过多个误差统计量的比较研究表明,EGARCH模型能够较好地预测参考作物腾发量波动特征,相对于其他GARCH类模型具有较高的精度。该文对参考作物腾发量时间序列条件异方差特性的研究,有利于深度挖掘水文规律,为水资源管理提供理论基础。

基于GARCH-分形布朗运动模型的碳期权定价研究

文章将广义自回归条件异方差(generalized autoregressive conditional heteroskedasticity,GARCH)模型和分形布朗运动结合引入碳金融期权定价研究中。通过对欧洲碳排放配额(European Union Allowance,EUA)期货收盘价的样本数据检验,发现其存在尖峰厚尾、条件异方差性和分形特征;采用GARCH模型拟合并预测碳价收益率波动率;将预测的波动率作为输入值代入分形布朗运动期权定价方法,运用蒙特卡罗模拟对EUA期货期权进行定价,并与B-S期权定价法(Black-Scholes Option Pricing Model)比较。结果表明,基于GARCH分形布朗运动模型的碳期权定价法预测精度有显著提高。

基于GARCH-EWMA原理的期货交易保证金随动调整模型

在EWMA模型和GARCH模型思想的基础上,结合SPAN系统的思想,以保证金在期货交易中可以弥补最大损失额和保证交易的正常进行等作用为考虑因素,运用数理统计和VaR等风险管理方法,建立了保证金随动调整模型。在满足给定风险系数和置信水平的前提下,制定合理的保证金的收取比例,为期货交易的保证金水平的确定提供了新的计算方法。本模型的特点一是利用GARCH模型对EWMA模型中的关键参数-衰减因子进行测定,解决了以往使用EWMA模型时,对该参数人为赋值而导致模型人为因素过强的问题。二是在模型中引入波动函数,用来确定随时点t而不断变化的波动系数值。并采用大量的历史数据对大豆、豆粕两种期货品种的波动函数进行线性拟合,得到时点t与波动系数之间的连续线性函数,以代替以往波动系数与时点t之间所采用的极为粗糙的分段函数,从而大大提高了模型的灵敏性。三是采用近4500个合约价格的历史数据,对大豆和豆粕两种期货合约价格的涨跌停情况进行统计分析,得到这两类期货品种的涨跌停情况的概率分布。并分别考虑各种可能发生的情况综合计算最终单位保证金,使得保证金的计算更具全面性。

非线性时间序列建模的混合GARCH方法

在文献[1]的基础上,首次提出混合广义自回归条件异方差(MixtureGeneralizedAutoregressiveConditionalHeteroscedasticModel简记MGARCH)模型;给出并证明了MGARCH模型的一阶平稳性的充分必要条件及二阶平稳性的充分条件;给出该模型参数估计的EM算法;利用BIC定阶准则对MGARCH模型的各成份进行定阶;计算结果表明该模型对金融非线性时间序列中存在的变异率现象具有较强的描述能力,有广阔的应用前景。

基于非参数GARCH模型的电价预测

基于非参数条件异方差估计理论,提出了一种改进的电价曲线预测方法。文中从实际电价曲线出发,针对条件方差函数建模,并采用非参数估计方法确定其模型。另外,在非参数估计中,针对条件标准差不可测困难,引入了迭代估计算法,通过不断修正作为输入量的条件标准差估计值来提高条件方差函数的估计可信度。在研究加州电力市场2000年日前电价时间序列波动特性的基础上,对Humb节点的日前电价时间序列进行建模并模拟预测。试验结果表明,文中所提模型能够更好地体现电价时间序列波动集群性这一特征,利用非参数估计所确定的模型提升了尖峰电价的预测效果。

考虑投资者情绪的GARCH-改进神经网络期权定价模型

提出了一种考虑投资者情绪的基于改进粒子群算法优化的BP神经网络,并结合GARCH模型用于预测欧式期权价格。引入单点变异算子来提升传统粒子群算法的寻优能力,并通过改进后的算法来优化BP神经网络的结构与相应参数。利用GARCH模型估计权证股票价格的历史波动率,并将其作为改进神经网络模型的输入变量之一。最后,进一步考虑投资者情绪对期权价格的影响,通过构造剔除了基本因素的投资者情绪复合指标,并融入改进后的神经网络中。选取包括鞍钢JTC1在内的10支国内认购权证的收盘价格进行实证研究。结果表明,该模型的收敛速度与预测精度优于传统的BP神经网络以及B-S模型,考虑投资者情绪的影响后,预测结果更贴近实际情况。

基于Kalman-GARCH模型的结构损伤识别

基于监测数据的结构损伤识别,是桥梁健康监测系统发挥感知预警效益的重要基础。为进一步提高结构损伤识别精度,提出一种融合Kalman滤波与广义自回归条件异方差(GARCH)模型的结构损伤识别方法。采用Kalman滤波对加速度时程数据进行降噪处理,在此基础上,建立了线性递归AR模型,对结构损伤进行识别;引入非线性递归GARCH模型,进一步提高识别精度;利用加速锈蚀损伤钢筋混凝土梁动力试验获取的加速度时程数据,对算法的有效性进行验证。结果表明:以损伤前后时间序列模型残差方差比为特征指标,能够有效识别结构损伤;与Kalman-AR模型相比,Kalman-GARCH模型能够解释部分非线性特征,弥补AR模型忽略数据异方差性所带来的识别误差,识别精度提高了14.2%。该方法可为基于海量数据的桥梁结构状态感知提供一种新的思路。

基于两重门限GARCH模型的短期负荷预测

针对负荷时间序列的非线性和波动性特征,在研究负荷时间序列波动性门限特征的基础上,引入冲量门限的概念,提出了一种基于两重门限GARCH模型的短期负荷预测新方法.利用条件极大似然估计方法,估计了模型参数.同时,考虑到负荷时间序列波动的厚尾效应,将模型推广为服从非高斯分布假设下的情形,建立了2种基于厚尾假设的两重门限GARCH类负荷预测模型.利用所提出的混合信息冲击曲面,分析了不同性质的冲击和冲量对负荷时间序列波动性的影响.实际算例基于南京地区日用电量数据进行了短期负荷预测,验证了模型及方法的可行性和有效性.算例结果表明,服从广义误差分布的两重门限GARCH模型预测效果满意.

国内专利申请受理情况时间序列的GARCH模型及预测

建立了国内专利申请受理情况时间序列的多种自回归模型、多种条件异方差模型.比较各个模型检验参数及预测精度,确定国内专利申请受理情况时间序列的GARCH(1,1)模型为优化模型,预测2008年国内专利申请受理情况时间序列将继续保持上升趋势,受理量预测值为723913件,预测相对误差不大于1.1%.

基于PCA的ARFIMA-GARCH油价预测模型

在考察前人油价预测模型研究情况后,文章一方面,从油价序列长记忆性和异方差性着手,将ARFIMA模型和GARCH模型进行结合,构建ARFIMA-GARCH模型;另一方面,还对油价模型构建中的一大难题——影响因素的筛选进行适当探索,尝试结合主成分分析,提取若干主成分,加入ARFIMA-GARCH模型中,形成基于PCA的ARFIMA-GARCH模型。在与其他模型进行比较好,发现基于PCA的ARFIMA-GARCH模型要好于其他模型,文章的研究和改进是有效的和成功的。

基于EGARCH模型对中国黄金市场的实证研究

应用向量自回归EGARCH模型,对中国黄金市场与外汇市场间的收益与波动溢出效应进行经验分析。研究显示:美元兑人民币汇率和中国黄金不存在收益溢出效应,欧元兑人民币汇率对黄金存在负向溢出效应;危机期间市场之间新息冲击的"杠杆效应"减弱,对黄金走势持乐观态度,但波动性比较大。

投资者情绪指数构建及其与超额收益率关系研究

有效度量市场投资者情绪是研究投资者情绪对资本市场影响的关键。选取2008—2022年证券投资者信心指数、消费者信心指数、市盈率、成交量、换手率、新增投资者开户数的月度数据,用主成分分析法构建市场投资者情绪复合指数(CIMIS_(t)),并通过“孪生股票”模型和定性分析对CIMIS_(t)进行有效性检验。采用ARMA-GARCH模型消除CIMIS_(t)和超额收益率(R_(a))的自相关和异方差性,对其残差进行回归分析和Granger因果检验。实证发现,CIMIS_(t)能较准确表征中国股市投资者情绪,去除自相关和异方差性的投资者情绪与R_(a)呈显著正相关,对R_(a)拟合效果更好;短期内超额收益率明显影响投资者情绪,而投资者情绪不能明显影响我国股市的表现。研究结果为投资者在投资决策以及监管者在制定市场政策时提供参考。

GARCH过程的同期聚合

我们首先提出由独立一元变量GARCH过程的同期聚合可得到一个弱GARCH过程 (见Drost和Nijman( 1 993) )过程 ,接着分析同期聚合的参数同原始过程参数间的相依性 ,指出聚合后方差参数依赖于原始方差和参数的峰度 .

基于ARIMA-GARCH模型的城市主干道行程时间时变置信区间预测(英文)

为了提高行程时间预测的可靠性,构建了自回归综合移动平均与广义自回归条件异方差性(ARIMAGARCH)模型进行城市主干道行程时间动态置信区间预测,其中ARIMA模型作为GARCH模型的均值方程用于捕获行程时间均值,GARCH模型用于捕获行程时间条件方差.运用昆山市交通监测系统中采集的实际交通流数据进行验证和评估.结果表明,相较于传统的ARIMA模型,提出的方法虽然不能显著提升行程时间均值的预测性能,但是在行程时间波动性预测方面具有较大的优势.该方法可捕获行程时间异方差,从而能够预测出比ARIMA模型预测的固定置信区间更能反映行程时间观测值波动性的动态置信区间.