连续双向拍卖机制下的短期价格行为分析

建立描述限价指令市场中连续双向拍卖交易机制下短期价格动态变化的理论模型.通过对该机制下的几个特征变量包括最佳(高)买价、最佳(低)卖价、买卖价差、成交价格和成交概率的分析揭示连续双向拍卖机制下的短期价格行为,并着重探讨其均衡性质包括成交价格所收敛到的竞争均衡及达到均衡的时间.研究结果表明建立的理论模型能较好地刻画连续双向拍卖机制下短期价格的动态演进特征,进而印证连续双向拍卖交易机制能快速收敛到竞争均衡从而产生很高的价格发现效率的相关结论.

有限记忆对金融资产短期价格的影响分析

从有限记忆的角度分析了不完全理性交易行为对金融资产短期价格的影响并建立了相应的数学模型.通过对模型仿真结果的比较分析得出金融市场上即便信息是对称的,但若存在较大比例的不完全理性交易者,那么金融资产的短期价格变化过程与交易者完全理性情形下的短期价格行为有显著的差异;存在有限记忆交易行为情形下的金融资产的短期价格波动较大.此外,由于存在"有限套利",因不完全理性交易行为引致的短期价格偏差可能得不到迅速纠正.

苹果短期价格影响因素分析

掌握农产品价格变化趋势,可以为政府市场宏观调控提供信息支撑,并引导农民及企业正确进行微观决策。在市场经济发展和农产品流通体制改革中,农产品价格的决定更为贴近于市场规律。随着人民生活水平的提高,水果成为居民消费的必要组成部分。本文首先对苹果价格进行了定性分析,其次通过对北京新发地批发市场苹果短期批发价格建立回归模型进行定量分析。结果表明,模型能很好地模拟苹果的短期价格,为农产品市场信息的准确判定提供了重要方法。

黄金市场短期价格波动驱动因素比较研究——基于上海黄金与伦敦金

采用VAR模型,选取2004年1月至2011年12月的数据,比较研究美元指数、国际原油价格对上海黄金价格和国际黄金价格影响,其结论是:上海黄金价格和国际黄金价格两者与国际原油价格之间相关关系基本一致,均呈现正相关关系,且波动均滞后,国际原油价格对两个黄金市场的价格均有预期作用。而美元指数虽然与两市场之间均存在负相关关系,但美元指数对国际黄金价格的影响力明显大于上海黄金市场价格,且上海黄金市场价格对美元指数的响应也明显滞后。

房地产价格泡沫与住宅市场短期价格偏离度分析

判断住宅市场的短期价格是否存在泡沫,可以将住宅市场上现行的价格和按照居民家庭收入约束计算出来的居民可以承受的住宅价格上限进行比较,得出一定时期内的住宅商品的价格偏离度,当市价在一定时期内大幅度偏离价格上限,就可以认定当期住宅市场存在一定的短期价格泡沫。采用住宅商品短期价格偏离度的计算模型对长江三角洲经济区域内三大中心城市的住宅价格偏离度进行计算和比较分析,得出结论:随着国家宏观调控政策的实施,上海的住宅价格偏离度在逐渐回落,而南京和杭州住宅市场存在一定的价格泡沫,值得关注。

金融资产的短期价格与风险溢价模型分析

本文在前人研究的基础上,建立了风险溢价模型,导出了不同的投资者心理与风险溢价的关系,分别研究了过度自信的投资者和自卑的投资者对风险溢价的影响,并以此分析了金融资产的短期价格。

带短期价格折扣和允许两次特殊补货的库存决策模型

针对供应商提供短期价格折扣且允许零售商两次特殊补货的库存系统,建立了以零售商库存效益最大化为目标的库存决策模型,分析了模型的性质,根据经济订单批量补货决策下补货时间点与折扣时段的关系,确定了零售商在不同补货策略下的库存效益增值函数.据此给出零售商相应的最优补货策略函数表达式,提出了该模型的一个全局优化算法,并通过数值算例验证了模型和算法的有效性与可行性.

股指期货短期价格预测模型研究——基于差分BP神经网络模型

本文构建的短期股指期货预测模型,是采用导数分析首先判断其走势方向,再通过一阶差分BP神经网络模型预测波动幅度,进而得到预测日期指价格。以沪深300股指期货为例进行的实证表明,该方法的符号正确率达到75%以上,平均绝对误差也只有20多个点。该方法可用于研究我国股指期货市场的短期定价机制和指导股指期货短期套利。

基于LSTM神经网络的短期价格趋势预测

本文主要对LSTM模型结构改进及优化其参数,使其预测股票涨跌走势准确率明显提高,同时对美股周数据及日数据在LSTM神经网络预测效果展开研究.一方面通过分析对比两者预测效果差别,验证不同数据集对预测效果的影响;另一方面为LSTM股票预测研究提供数据集的选择建议,以提高股票预测准确率.本研究通过改进后的LSTM神经网络模型使用多序列股票预测方法来进行股票价格的涨跌趋势预测.实验结果证实,与日数据相比,周数据的预测效果表现更优,其中日数据的平均准确率为52.8%,而周数据的平均准确率为58%,使用周数据训练LSTM模型,股票预测准确率更高.

基于改进LSTM模型的农产品短期价格预测方法

农产品价格与人民的生活息息相关,既关乎消费者的切身利益,也是政府农产品生产调控决策的重要依据。由于自然灾害、重大疫情等各种因素影响,农产品短期价格具有波动大、非线性的特点。而剧烈起伏的波动往往对预测结果产生不好的影响,已有的方法在具有变化大且非线性特点的农产品短期价格预测上表现不理想。本文提出了一种改进的长短期记忆网络(LSTM)模型,该模型能够多维度分析农产品历史价格变化情况,获取价格周期性变化规律;并且在LSTM的基础上增加了前置门,将历史价格信息与价格波动信息相结合,减少数据异常值的波动对预测结果影响,有效地提高了农产品短期价格预测的准确性。实验数据表明,本文所提模型在预测结果的准确性等方面明显优于现有的其他对比模型。

企业短期价格行为问题研究

短期价格行为,是企业实行经营承包责任制,并拥有一定的定价权后产生的一种负效应。近几年来,对此人们尽管议论较多,但缺乏认真的研究和采取有效的对策,因而解决的效果也不甚明显。在当前全国普遍进行第二轮企业承包时,很有必要对这种不合理的企业价格行为予以深入剖析,以寻求矫正办法,完善企业机制,引导企业经济沿着健康的轨道运行并向前发展。

企业短期价格行为的主要表现及其原因

企业承包经营责任制和租赁经营责任制的推行,极大地调动了企业、职工的积极性,促进了经济效益的提高。但同任何新生事物都有其不足的一面一样,承包经营责任制和租赁经营责任制也有其不足和不完善的一面,企业的短期价格行为就是其一。一、企业短期价格行为的主要表现企业承包或租赁之后,其承包或租赁者必然会一方面想尽一切办法去获取较高的利润。

草铵膦价格创新高 短期价格仍将上行

除草剂市场中占主导地位的草甘膦价格在创下10年新高之后,全球第二大转基因作物耐受除草剂草铵膦也紧随其后,价格创下6年来的新高。草铵膦原药价格从2021年年初的17.5万元/吨上涨至2021年9月的26万元/吨,涨幅近50%。业内人士表示,在原料价格上涨、下游需求扩大、产能难以释放等因素影响下,短期草铵膦价格仍将上涨。

二铵市场需求清淡 短期价格仍将持稳

5月11日中国磷酸二铵批发价格指数（CPPI）为2993.50点上周（5月4日-5月8日）二铵国际市场交投氛围减弱,国内市场需求持续低迷,价格小幅下跌。5月11日中国磷酸二铵批发价格指数（CPPI）为2993.50点,环比下跌28.02点,跌幅为0.93%;同比上涨260.32点,涨幅为9.52%;比基期下跌228.27点,跌幅为7.09%。供给情况：五一过后,

基于SARIMA模型的短期机票价格预测

为研究不同城市机场间短期机票价格预测的问题,文章将机票数据按照OD、座舱类型、购票时间进行分类,并分场景构建SARIMA模型。采用当前时序的数据标定模型的参数,预测下一时序的机票价格。以2023年7月北京—上海的机票价格数据为例,通过4组实验场景和改进的北京首都—上海虹桥实验场景发现,分场景的SARIMA模型可以较为准确地预测短期机票价格。

过度自信对金融资产短期价格行为的影响分析

从交易者过度自信的角度分析了不完全理性交易行为对金融资产短期价格行为的影响并建立了相应的数学模型.分析表明:金融市场上即便信息是对称的,但若存在较大比例的不完全理性交易者,那么金融资产的短期价格变化过程与交易者完全理性情形下的短期价格行为有显著差异;存在过度自信交易行为情形下的金融资产短期价格显著高于资产的内在价值.此外,由于存在"有限套利"现象,因不完全理性交易行为引致的短期价格偏差可能得不到迅速纠正.

投资者构成对固定收益产品短期价格行为的影响——基于中国银行间和交易所债券市场的研究

我国银行间市场和交易所市场交易的部分债券相同,但短期价格行为有显著差异。本文构建了基于投资者类型的短期价格模型,将投资者分为以资产负债管理为主要目的"配置型"投资者和以价值增值为主要目的"交易型"投资者,并利用我国的市场分割现象进行实证研究,得到一般性结论:债券市场价差序列存在一阶自回归关系,投资者构成差异可以解释市场间短期价格行为的差异,"配置型"投资者能够减少市场短期波动。

不同优化方法的混沌-RBF神经网络模型对大白菜短期价格预测的结果比较

以2008年1月21日至2012年5月13日的大白菜日度零售价格为研究对象，结合混沌理论和神经网络技术在处理非线性问题上的优势，尝试构建了一般混沌-RBF神经网络模型、基于遗传算法优化的混沌．RBF神经网络模型和基于粒子群算法优化的混沌-RBF神经网络模型，并比较其不同的优化算法对于大白菜价格短期预测精度是否有提高．研究结论显示：基于粒子群算法优化的混沌-RBF神经网络模型在拟合效果和预测精度上均明显好于其他两种混沌-RBF模型．这也显示了混沌神经网络技术在大白菜价格短期预测领域中具有广泛的应用前景．

基于人工神经网络的玉米价格短期预测研究

为获得更精确预测粮食价格的方法,引入了人工神经网络预测法,建立了一种改进的人工神经网络模型,并通过该模型自学习的特性对已获得粮食价格时间序列数据的波动规律与发展趋势实现记忆性的学习,最终预测出未来价格.结果表明:人工神经网络模型在预测价格问题上具有很高的精度;其方法不仅可行,而且适用性强,预测结果客观、合理,具有一定的研究价值和较好的应用前景.