中国制造业就业人数的波动预测

中国制造业经过三十几年的发展,其工业总产值已经位居世界前列。但中国制造业的就业人数并没有呈现出抛物线式的增长方式,而是呈现出波动增长的方式。文章使用波动预测方法,预测出未来10年中国制造业的就业人数约为1亿人。从事制造业的科技人员数会明显增加,第三产业就业人数也会受到制造业的积极影响。制造业能够承担较大的就业人员流入压力,在就业人口变动较小的情况下,制造出更多的财富。所以,在人口老龄化日益严重的未来,中国制造业不会受到严重影响。

基于信息粒化和支持向量机的母线等效负荷波动预测方法

随着接入母线多源功率的不断增加,使电网更加合理安排调度计划有了较大的难度。首先,提出了构建一种母线等效负荷模型,将接入母线的不可调发电功率等效为负的负荷功率,使不可调发电功率和母线负荷功率等效为母线的等效负荷功率。然后,获取等效负荷的历史数据,作为母线等效负荷预测模型的输入。最后,基于模糊信息粒化和支持向量机进行母线等效负荷波动预测。实例验证表明,等效负荷预测值相比单独预测不可调多源功率及母线负荷之后的等效值,精确度有所提高。同时预测结果可以更加清楚地了解各母线不可调等效负荷的波动范围,有利于地调系统更好地计划可调小容量发电的出力,并为省调更合理地安排新能源消纳及全网可调发电计划提供预测基础。

基于GARCH和E-GARCH模型的投资组合波动预测分析:以上证50指数为例

通过借助GARCH模型和考虑数据不对称性的E-GARCH模型,分析上证50指数投资组合波动的预测性,实证结果发现:上证50指数日收益率波动均存在条件异方差,市场收益率的波动随时间的变化而变化,而且经常在某一时刻中连续出现偏高或偏低的情况;另一方面,从GARCH模型和E-GARCH模型对上证50指数的预测比较可看出,选取的上证50指数样本数据具有一定的不对称性,短期来看,GARCH模型和E-GARCH模型都能够很好的拟合上证50指数的日收益率波动轨迹,预测误差较小。但随着样本期的延伸,相对于GARCH模型,E-GARCH模型预测效果的相对误差更小。

基于外汇舆情的人民币汇率波动预测研究

舆情与金融市场波动之间的联系,对金融市场的监控、分析和异常发现有着重要的作用。外汇市场中,由于舆情的多样性和人民币汇率变化的复杂性,更好地量化舆情对汇率的影响对于实现人民币汇率的监测和分析有着重要的现实意义。首先对外汇舆情数据进行噪声过滤、分词等预处理,并基于汇率领域知识构建人民币汇率波动预测的特征,然后综合舆情的时效性和领域专家的知识设计了一种新的舆情对人民币汇率的影响力模型,并在此基础上实现了人民币汇率波动预测模型。实验结果表明,文中设计与实现的预测模型可以有效地对人民币汇率进行波动预测。

汇率对我国股市波动预测的影响

针对当下股市与汇市关系日益密切的现状,以汇率和沪深300指数为研究对象,运用时变马尔科夫EGARCH(TVTP-MSEGARCH)模型探索了汇率对我国股市波动预测的影响。根据MCS检验和SR统计量,与传统GARCH、EGARCH和FTP-MSGARCH模型的样本外预测能力进行对比分析。实证结果表明:我国股市存在结构转换行为;汇率可以影响我国股市不同结构间的转移概率;包含汇率的TVTP-MSEGARCH模型在对我国股市波动的预测方面显著优于传统GARCH、EGARCH和FTP-MSGARCH模型。

金融资产收益率波动预测——基于我国股票市场跳跃行为研究

金融资产收益率波动是资产定价和金融风险管理的核心部分,而跳跃是收益率波动中的重要组成部分。基于修正Z-检验,本文检测识别我国股市波动中跳跃行为,并且研究了跳跃的时序特征,统计结果表明,在市场大波动时期,和连续成份相比,跳跃对于波动率具有极其重要的贡献。建立包含跳跃的已实现波动率非齐次自回归模型,在波动模型中纳入滞后绝对日收益率和杠杆效应预测股指收益率波动。实证分析结果显示,对于短期的波动预测,包含跳跃和两种影响因素的波动模型表现最好,然而对于提前1月的长期预测,跳跃和连续波动成份分离模型预测明显优于其它模型,这些事实说明跳跃对股指波动率预测具有重要的影响,好坏消息对波动率非对称性具有短期显著影响,而对长期水平的波动率预测影响不显著。

基于高斯混合隐马尔可夫模型的螺纹钢价格波动预测

针对螺纹钢现货市场的价格波动预测问题,提出应用高斯混合隐马尔可夫模型(Gaussian mixture hidden Markov model,GMHMM)来进行预测。首先利用螺纹钢的每日最高价、最低价指标作为观测状态序列,利用Baum-Welch算法得到模型参数,再通过Viterbi算法预测隐状态序列及其概率矩阵,最后结合单日匹配预测算法和多日加权预测算法分别进行30天的预测。对真实值和预测值进行对比,并使用常见的预测模型评价指标均方误差(MAE)和平均绝对百分比误差(MAPE)评估预测精度,结果显示结合多日加权预测的MAE值为0.01949,MAPE值为0.008145,证明高斯混合隐马尔可夫模型具有解码螺纹钢市场隐状态的能力,结合多日加权预测算法可为螺纹钢现货的线上市场交易提供科学决策依据。

多次喷射模式下共轨系统喷油量波动预测与补偿

为了解决多次喷射模式下喷油量的精确控制问题,进行了基于波动量的预测,实现了有效的喷油补偿。首先,分析了喷油器的动态特性,并基于AMESim仿真软件建立了共轨系统喷油器仿真模型;然后,通过仿真数据分析多次喷射模式下喷油量波动的影响因素,确定了喷油压力、预喷脉宽、主喷和预喷之间的时间间隔等为主要特征参数,提出基于LM-BP模型的喷油波动量预测方法;同时,基于喷油波动量的预测结果设计喷油量补偿控制器。结果表明,基于波动量的预测可以提高喷射精度,验证了所提策略的有效性。

基于多关联参数特征子空间的纺纱质量波动预测

针对纺纱生产过程影响因素多、监测维度广导致的过程波动难以分析和纱线质量难以预测的难题,课题组提出一种基于多关联参数特征子空间的纺纱质量波动预测方法。首先分析影响纱线质量的关联参数之间关系,构造能够表征纱线质量波动的特征子空间;然后构建面向特征子空间的纱线质量深度学习预测模型,实现纱线质量智能预测。通过实例进行分析,结果显示提出的方法能够有效分析纱线质量的多关联参数波动规律,并能准确对纱线质量进行预测。

基于LSTM与GARCH族混合模型的人民币汇率波动预测研究

深度学习算法在时间序列预测领域具有较大优势。基于深度学习中的长短期记忆模型(LSTM)构建了LSTM与GARCH族混合模型,以期融合新型深度学习模型和传统统计计量模型的各自优势,进而提高人民币汇率波动率预测的精度。选取2009—2018年的数据,对比分析了LSTM与GARCH族混合模型、单一LSTM模型和单一GARCH模型的预测结果。实验结果表明,LSTM与GARCH族混合模型要优于单一模型,单一LSTM模型要优于单一GARCH模型;另外,LSTM结合多个GARCH模型的复杂混合模型(LSTM-GEM)预测准确度最高,其次是LSTM结合两个或单个GARCH族模型的简单混合模型。

基于GARCH模型的股价波动预测

该文运用GARCH模型,根据沪深300指数对股市波动性推理预测,让投资者决定的策略更精准,对其起到指导作用。成果显示使用GARCH模型有利于增长股票市场推测的精准性,更具备适用性。沪深300指数使投资者在金融市场上可以避免一定风险,但同时也会增加投资者的数目,从而加剧金融市场的波动性。所以,该文以入股的收益率为参数,建立模型。

基于非对称GARCH-MIDAS模型的原油价格波动预测

针对原油价格波动的预测问题,将GARCH-MIDAS模型扩展为两类:A-GARCH-MIDAS模型研究正负面的油价波动因素对原油市场的不同影响;GARCH-MIDAS-X模型将短期成分扩展到额外的波动决定因素,将扩展模型应用于原油WTI数据。样本内估计结果表明,非对称效应对原油价格波动性有显著影响;样本外预测结果表明,非对称效应显著提高了波动率模型的预测性能。

基于CEEMDAN和优化LSTM模型的碳价波动率预测研究

本文以北京碳配额交易价格实际波动率为研究对象,构建以自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)和长短期记忆网络(long short-term memory networks,LSTM)为基础的混合预测模型,采用粒子群优化算法(particle swarm optimization,PSO)确定模型结构参数。实验结果证明:该模型具备提取多尺度复杂时间序列波动趋势和有效处理金融时间序列的优点,粒子群算法对预测模型结构参数的优化避免了因参数选取不当导致的拟合问题,该模型在碳价波动率预测方面具备较高的准确性和稳定性。

谁是驱动中国原油期货价格波动的关键信息?

本文首次对影响中国原油期货价格波动的驱动因素进行了量化分析.运用广义动态因子模型,结合互联网数据,为中国原油期货价格构造了六类预测因子:供需预测因子、市场金融化预测因子、汇率市场信息预测因子、商品市场预测因子、全球宏观经济预测因子以及事件预测因子.基于混频GARCH-MIDAS模型,本文发现上述六类因子能显著改善对原油价格波动的预测精度.同时,基于MCS检验结果,揭示出在不同时间尺度下,驱动中国原油价格波动的信息存在明显差异性,即在短期和中期预测中事件预测因子起主导作用,而供需因子则是在长期主导中国原油价格波动的关键因素.综上,本研究为国内原油市场参与者、政策制定者及市场监管者把握未来市场信息提供了分析工具和参考依据.

地缘政治风险与中国原油市场波动预测研究

一、地缘政治风险指数与波动率模型1.地缘政治风险指数。长期以来,由于地缘政治风险的刻画相对困难,学者们对其影响的研究多停留于理论分析。为解决此问题,Caldara和Iacoviello以11家重要的报纸作为新闻检索来源,通过统计每个月与地缘政治风险相关的文章数量构建了月度的地缘政治风险(geopolitical risk,CPR)指数。

宏观基本面中的稀疏成分与股市波动率预测

利用滚动窗口与规则化回归的方法比较了我国宏观经济基本面中稀疏特征与稀疏因子对股市波动的预测作用,依据回归与预测结果分析稀疏成分预测波动率的机制。研究发现:稀疏因子预测波动率的精度较稀疏特征更高,稀疏特征预测方程包含的更多变量增大了预测方差;预测精度时变性较强且与股市波动负相关,表明引起我国股市震荡的因素一定程度上独立于基本面信息;稀疏特征与因子预测波动率的模式不同,特征预测中市盈率与商品房销售面积增长对波动率预测作用较强,因子预测中波动率自回归项预测作用显著,因子主要起到补充作用。本文研究结论能够为金融风险的防控提供参考。

基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测,投资者可以依据波动率预测结果,对预期可能面临的风险采取相应的应对策略,更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战:①波动率的预测期限较短,仅为1天或3天,难以反映资产在未来较长时间的价格波动率情况;②以往研究多关注于价格等信息,在波动率预测中对于基本面信息考虑较少;③神经网络、深度学习等预测模型的可解释性较差,网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于XGBoost模型的波动率预测框架,考虑价格和基本面数据,对于波动率的长期趋势和短期变化进行了分析。实证结果表明,加入了更多信息维度的模型有助于提升波动率预测的精度,相比于传统的GARCH模型,均方误差MSE缩小了35%以上。

地缘政治风险与中国原油市场波动预测研究

近年来频发的地缘政治事件常被认为是原油市场剧烈波动的重要原因。因此,引入Caldara和Iacoviello提出的地缘政治风险(geopolitical risk, GPR)指数,将混频的GARCH-MIDAS模型扩展为GARCH-MIDAS-GPR类模型,分析不同国家、类别和严重程度的地缘政治风险对我国原油市场波动及其预测精度的影响,并从不同长度的波动率预测、中国原油期货推出前后的波动率预测、替代基础模型的使用、波动率预测方向、原油风险预测和投资组合管理六个维度探讨结论的稳健性。更进一步,引入3类宏观经济不确定性和6类经济政策不确定性指标,对比分析多种不确定性信息对中国原油市场波动的预测能力。研究发现,首先,各国、总体以及严重的GPR指数对我国原油市场长期波动均存在显著的正向影响。其次,地缘政治风险指标的纳入在不同程度上提高了我国原油市场波动预测精度,其中3类反映世界整体地缘政治风险水平的GPR指数表现相对较好。最后,相比于常见的宏观经济和经济政策不确定性因素,地缘政治风险指标可以为原油波动率预测提供更多有用信息。本文的研究结论在预测统计精度与波动率的应用层面均具备稳健性。

中国股票市场波动的非线性GARCH预测模型

本文首次应用广义自回归条件异方差（ＧＡＲＣＨ）模型及其两种非线性修正模型（ＱＧＡＲＣＨ 模型和ＧＪＲ 模型）预测中国股票市场的波动。结果表明ＱＧＡＲＣＨ模型对中国股市波动具有非凡的预测能力，它明显地优于随机游动模型，但ＧＪＲ

基于数据分解集成和高频数据建模的汇率波动率预测

汇率波动率是刻画外汇金融资产收益变化程度的指标,也是度量外汇风险的方法之一,汇率波动对经济与金融系统都有重要的影响。由于非平稳和非线性的特征,准确预测汇率波动率一直是金融研究的重点和难点。为了提高预测汇率波动率的准确性,本文采用基于人民币汇率高频数据计算的已实现波动率和机器学习方法,对数据进行分解集成和建模,提出了一种有效的多尺度EEMD-PSR-SVR-ARIMA预测模型。具体过程如下:首先,采用集合经验模态分解(EEMD)的方法将复杂的时间序列分解成不同尺度的本征模态函数和趋势项;然后采用支持向量回归(SVR)的方法对本征模态函数进行预测,并利用相空间重构和粒子群优化的方法来确定SVR模型的输入维数与参数。同时,使用差分自回归移动平均模型(ARIMA)预测趋势项;最后集成得到模型预测的结果。实证结果表明EEMD-PSR-SVR-ARIMA模型可以有效地提高汇率波动率预测的精度。