基于MRS-GARCH的钢铁期货市场VaR风险测度

针对中国钢铁期货市场波动率具有结构突变特征,使用MRS-GARCH模型对其波动率建模,并通过马尔科夫蒙特卡罗方法(MCMC方法)对模型参数进行估计,进而对钢铁期货市场进行VaR风险测度。结果表明:基于MCMC估计方法 MRS-GARCH模型能够准确地刻画出钢铁期货市场波动率;MRS(3)-GARCH模型下VaR方法能够有效地测度钢铁期货市场风险。

我国钢铁期货市场波动研究

为了研究我国钢铁期货市场的波动情况,本文运用SV类模型对其波动特征进行了分析比较。结果表明:我国钢铁期货波动具有较高的持续性和波动集聚性,存在明显的尖峰厚尾现象,可以采用厚尾SV模型对我国钢铁期货进行分析,ASV模型能够很好地拟合钢铁期货波动过程中存在的持续性和非对称性特征;利用随机波动模型求出的波动序列可以较好地计算VaR值;钢铁期货下跌信息所引发的波动,比价格上涨信息引发的波动更大;为平抑钢铁价格波动的影响,建议加强钢铁市场监测预警,加强政府对钢铁价格的宏观调控,完善钢铁市场体系建设,积极推行钢铁产业良好发展。

钢铁期货价格与钢铁企业价值的联动关系

选取线材和螺纹钢期货为研究对象，考察钢铁期货价格走势对钢铁企业股票价格走势的影响，并进行实证分析。对以线材、螺纹钢为主要产品的钢铁企业的股票价格按公司市值加权平均，构成股票指数。用向量自回归模型和格兰杰因果检验方法探求期货价格和股票指数这两列数据之间的关系。得出以下结论：两列数据互为因果，但期货价格影响并引导股票指数的趋势更为明显。总体来说，钢铁期货的推出有利于对钢铁企业价值的发现。

钢铁期货价格及现货价格关联预测与推荐

为了探明钢铁期货价格与现货价格之间的相关方式,采集了近年来的螺纹钢与热轧板卷期货现货交易的时序数据,并运用多种时序数据相似性度量算法和格兰杰因果检验算法对两组数据进行相关性度量。不同算法的统计分析结果表明,两种钢材期货价格与现货价格之间具有强相关性。鉴于此,使用长短时记忆(long short-term memory,LSTM)网络模型根据期现货历史数据对现货价格进行了预测。根据预测得到的数据与真实现货价格之间的对比,我们得出可以使用期货价格对现货的价格进行预测的结论。预测结果将有助于发掘具有价格上升趋势的期货,进而向钢铁行业投资者进行期货推荐。

基于EEMD组合模型的钢铁价格预测方法

钢铁作为工业大宗商品的代表性商品,其价格研究可以帮助钢铁行业稳定发展。为了探索钢铁价格的变化规律,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)方法和Transformer注意力机制模型及自回归移动平均(Autoregressive Integrated Moving Average,ARIMA)模型的组合模型EEMD-TRANSFORMER-ARIMA。将钢铁价格时序数据通过EEMD分解,对分解后的分量数据进行平稳性检测,并使用Transformer模型和ARIMA模型进行预测。实验选取6组典型的钢铁价格数据进行预测,结果表明该组合模型可以精确预测非平稳和非线性的时序数据,为钢铁价格分析提供了一种有效的预测方法,有助于辅助政府和企业进行市场决策。