由分数Brown运动驱动的EGARCH模型

针对传统EGARCH模型难以捕捉长记忆性的问题,通过引入分数Brown运动提出一个fBm-EGARCH模型,给出模型的二阶矩、四阶矩及协方差函数性质,并理论证明其长期记忆性.数值模拟结果表明,该模型不仅能准确捕捉短期波动,还能反映长期记忆性,从而验证了模型的有效性.

基于ARMA-EGARCH-M模型的沪深股市波动性分析

文章讨论了ARCH模型族的拟合波动性的优缺点,建立ARMA-EGARCH-M模型,简要说明了此模型的优点;以2000年1月11日-2006年3月15日上证综指和深证成指收盘价为样本,对我国沪深股市收益率分布用ARMA-EGARCH-M模型进行拟合分析,结果表明该模型能更有效地拟合我国沪深股市的波动性;最后解释实证结果和分析了我国股市的行为。

期货市场交易量与收益率及其波动关系的实证研究——ARMA—EGARCH—M模型的应用

通过建立ARMA—EGARCH—M模型对中国期货市场铜、铝交易量与收益率及其波动的关系做了一个全面的实证研究。结果表明:同期交易量与收益率波动正相关,将交易量分为预期与非预期两部分后发现非预期部分对收益率的波动有更大的影响;交易量的引入并没有消除波动的ARCH效应;中国期货市场杠杆效应不明显;铜在期货市场的运行有效率,而铝却缺乏效率。

基于ARMA-EGARCH模型的国内股票有效需求量波动性研究

通过对国内股票有效需求量在不同阶段中的波动性特征进行实证研究,结果发现,股票收益率的波动对于股票有效需求量的波动在所有样本区间内都具备明显的溢出效应;而且,仅就股票有效需求量在每个交易日之间的相对波动率而言,市场制度基础的逐渐改革、发展和完善,对于其稳定性水平也能显著地发挥影响作用;所以,若要实现股票供求的良性平衡,则应设法维护市场指数的相对稳定,对其具有不可忽视的积极意义。另外,后续的制度建设和改革,也是其中重要的决定因素之一。

基于ARMA模型的农产品供应链成本优化研究

近年来,在乡村振兴战略背景下,农产品流通逐渐呈现出“农村电商”新业态。农产品供应链作为连接农户、电商平台和消费者的桥梁,在农村电商发展过程中扮演着重要角色。随着农村电商的快速发展,农户生产积极性提高,农产品产量显著增加,但与此同时农产品供应链成本结构也发生了显著变化。为优化农产品供应链成本,提高农户生产积极性,本文以农村电商模式下农产品供应链为研究对象,以ARMA模型为基础,通过构建农产品供应链成本结构方程模型,发现当前农产品供应链成本结构具有非对称性和非线性的特征。文章首先从农户生产积极性和农村电商发展两个方面,分析了农村电商发展对农产品供应链成本结构的影响;其次通过引入ARMA模型对影响因素进行分析,发现当前农产品供应链成本结构存在非对称性特征,并从农户生产积极性、农村电商发展水平和农村物流体系等方面提出了优化路径;最后,基于优化路径提出了政策建议。

基于ARMA-EGARCH-M模型的公募FOF基金投资风格漂移研究

本文利用ARMA-EGARCH-M模型,对我国86只公募FOF基金进行了投资风格漂移的实证检验。结果表明:(1)我国公募FOF基金存在着投资风格漂移现象,其中平衡混合型FOF基金更易漂移;(2)市场上行期相对于市场下行期、市场缓慢变化期相对于市场快速变化期,投资风格更易发生漂移;(3)利好消息对大部分公募FOF基金的刺激程度比利空消息更大,而利空消息更易引起收益率的大幅波动。(4)基金经理能力也是引起投资风格漂移的因素之一。

基于时变ARMA-EGARCH-Copula模型的投资者情绪与股市收益动态相关结构分析

基于上证市场2011年7月~2017年3月数据,选取流通市值加权换手率、市场融资余额变化率、市场融券余额变化率、涨跌比、基金指数收益率等五项指标对投资者情绪进行测度,并通过时变ARMA-EGARCH-Copula模型实证分析了投资者情绪与市场收益率之间的动态相关关系。分析结果表明,样本期内,上证指数收益率和投资者情绪都存在明显的波动集聚性和持续性;投资者情绪与指数收益率之间总体正相关,但时变性较大。总体上,市场正常波动时两者相关系数与指数收益率大小呈负相关关系,而市场异常波动时,暴跌阶段负相关性有所强化,暴涨阶段负相关性有所弱化。本研究有助于金融监管部门适当引导投资者行为,以减少市场非正常波动,促进金融市场正常发展。

基于ARMA-EGARCH模型的沪深300指数波动性实证分析

文章基于沪深300指数数据,从ARMA模型和EGARCH模型入手,并综合利用ARMA-EGARCH模型拟合分析沪深300指数波动特征,以反映沪深两市整体波动。通过系统性分析,ARMA(2,2)—EGARCH(2,2)模型拟合效果较好。由分析结果可知,中国A股市场的波动具有明显的周期性、聚集性和杠杆效应等特征,反映出我国股市市场缺乏有效的做空机制以及投资者的非理性行为。

基于ARMA和GRU的数据权重负载预测

文章将小波分解与自回归滑动平均模型(ARMA)和门控循环单元(GRU)结合起来,用于预测接下来几个时间间隔内的用户负载。为了降低数据中随机因素对模型的影响,对数据进行了加权处理。该方法首先通过Savitzky-Golay滤波对时间序列进行平滑处理,然后利用小波分解将平滑后的时间序列分解为2个分量。

基于ARMA-EGARCH模型VaR方法的上证指数风险研究

为了避免对收益率序列的分布作任何假设,在ARMA-EGARCH模型的基础上,本文通过历史模拟非参数法估计分位数与参数法估计标准差相结合的方法,对上证指数的风险价值VaR进行了分析,并对估计出的VaR进行了后验检验.结果表明,利用此方法估计上证指数的VaR既简单又合理.

基于ARMA-EGARCH模型对我国人寿保险的实证分析

随着居民对保险意识的增强,中国人寿保险作为一家国企在中国市场上渐渐成为最大的寿险公司。本文选取2006年1月至2018年10月中国寿险保费收入数据,运用EViews7.2软件,利用计量经济学中有关时间序列的波动分析,以ARMA(1,0)为基础模型,最终选用ARCH的扩展模型EGARCH(1,1)对我国人寿保险市场进行实证分析,得出中国人寿保险的波动具有杠杆效应。

基于ARMA-EGARCH-M模型的深证股指研究

文章简要介绍了股票市场波动性研究的发展过程,并以2003年1月2日—2011年1月4日的深圳证券收盘价为样本,对我国深市收益率进行统计分析。对收益率序列ADF检验,自相关检验,发现收益率可用ARMA模型模拟。对ARMA模拟后的残差ARCH效应检验,发现我们可用ARMA-EGARCH-M模型拟合。再对两模型进行比较分析。

基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

海外高端消费回流对产业数智化的作用机制——基于ARMA模型

海外高端消费回流支撑和助力产业数智化转型升级,推动我国经济高质量发展。本文基于ARMA模型,检验海外高端消费回流对我国产业数智化的影响效应及作用机制。研究发现:近年来海外高端消费回流和产业数智化转型升级呈现加速态势,且二者均已形成正向良性循环。海外高端消费回流可有效驱动我国产业数智化,主要通过高端消费者、高端代工商和高端服务商等主体回流的直接带动,以及消费升级、高端产业升级等间接路径实现。据此建议相关部门完善政策保障机制,行业协会发挥桥梁作用促进品牌合作,相关企业加快数智化转型,以更好发挥高端消费回流对产业数智化的赋能作用。

基于QR-MS(2)-EGARCH(1,1)-st模型的互联网金融指数风险度量

基于2012—2021年互联网金融指数的日收盘价数据,采用二区制MS-GARCH(1,1)类模型刻画互联网金融指数收益率的波动过程,通过分析选出较优的模型MS(2)-EGARCH(1,1)-st,结果显示,互联网金融指数收益率存在两种划分明显的波动状态:平缓波动状态比剧烈波动状态的持续性更强,且剧烈波动存在非对称效应。将MS-EGARCH模型与分位数回归(QR)模型的组合模型进行互联网金融指数收益率的风险测度,并通过Kupiec回测检验方法计算拟合成功率,结果表明,QR-MS(2)-EGARCH(1,1)-st求解得到的风险价值(VaR)具有较高拟合成功率。

基于ARMA模型的云南咖啡供给预警研究

云南省作为中国咖啡产业的核心产区,其咖啡产量在全国市场中占据主导地位。近年来,云南咖啡产量的显著波动对整个产业链造成了一定的冲击。鉴于此,确保云南咖啡产业的稳定性与安全性,进行咖啡供给的预警分析显得尤为重要。研究旨在通过构建一个有效的预警模型,对云南咖啡供给进行预测和风险评估。研究首先确定了云南咖啡产量年增长率作为警情指标,并选取了影响云南咖啡供给的关键因素作为警兆指标。为了进一步分析这些指标的动态关系,采用层次聚类分析法将指标划分为先行指标、同步指标和滞后指标。随后,利用灰色关联分析法对所选指标的合理性进行了评估,以确保模型的科学性和实用性。在此基础上,构建了ARMA(6,2)预警模型。通过2006—2021年的历史数据对模型进行了训练和验证。模型训练完成后,利用该模型对2022—2030年的云南咖啡产量增长率进行了预测。预测结果显示,ARMA(6,2)预警模型的预测值与实际观测值之间存在高度吻合,这表明所构建的模型在云南咖啡供给预警方面具有较高的准确性。

基于ARMA过滤器的时空图卷积网络短时交通流预测

针对大多数现有的时空融合图卷积网络模型在分析交通流数据所采用的过滤器提取空间特征时,可能会导致网络节点特征过于平滑从而丢失原始信息、计算量大等问题,将一种能有效逼近任何所需响应的基于自回归移动平均(ARMA)过滤器的图卷积网络与门控循环单元(GRU)相融合,提出一种基于ARMA过滤器的时空图卷积网络短时交通流预测模型。在该模型中,采用GRU提取交通流数据的时间特征;利用基于ARMA过滤器的图卷积网络提取空间特征;通过平均池化层得到预测结果。在美国加州高速公路公开数据集PeMS04、PeMS07和PeMS08上进行了实验。结果表明,相比于切比雪夫多项式等传统的过滤器,ARMA过滤器能够更好地捕获交通流数据中的空间特征且能有效提升计算效率,在三组数据集上相比于GRU、DCRNN、T-GCN、ASTGCN和MSTGCN等基准模型,新模型的平均绝对误差指标平均降低了26.28%、28.25%、39.59%、26.24%和19.07%,训练时间平均降低了26.54%、95.00%、78.87%、93.58%和89.03%。

基于ARMA模型的城乡居民收入差距预测分析--以安徽省为例

ARMA模型是当前普遍应用的时间序列建模方法之一。选取安徽省1980—2020年的城乡居民收入差距数据为样本,借助EVIEWS9.0软件,针对绝对收入差距与相对收入差距先后构建ARIMA((1,4),1,0)与ARMA(1,3)模型,两个模型的样本内静态预测结果均较好。分别利用所建立的两个模型,样本外动态预测2021—2023年安徽省城乡居民绝对收入差距依次为23756.7元、24846.8元与26094.6元,相对收入差距依次为2.563078元、2.563116元与2.563147元,以期为相关部门制定政策提供数据支持。

基于ARMA模型的海洋磁力测量数据小波去噪方法研究

海洋磁力测量是指通过安置在海底质子旋进磁力仪来直接测量地磁场,这样在海洋表面和海底同时测量,就可以得到地磁场的垂直梯度。但处理海洋磁力测量数据时不仅需要消耗大量时间,并且分块处理拼图还会导致精确度较低。为了实现对海洋地质层参数的准确测量,提出基于ARMA模型的海洋磁力测量数据小波去噪方法。构建海洋磁力测量数据的小波降噪和滤波检测模型,通过对海洋磁力测量数据的类型化分类识别,进行多波束的信息分割,实现对海洋磁力测量数据的自动滤波降噪,使得输出数据更清晰、自然。测试结果表明,使用ARMA模型后,输出数据的信噪比较之前提升了33.6632 dB,海洋磁力测量数据去噪效果好。通过ARMA模型对海洋磁力数据进行去噪,有助于达到更精确的海洋磁力测量数据,为研究地磁场及其变化、海洋地质构造、矿产预测和国防建设提供了重要支持。

基于ARMA模型的隧道变形预测及参数估计分析

以北京市海淀区某地铁站一体化棚户区改造项目为例,运用ARMA模型对高层建筑盖挖逆作法施工过程中邻近既有地铁隧道变形进行预测。以既有地铁隧道沉降实时监测数据为原始数据集,对原始数据集进行适当插补处理后,通过极大似然估计法对模型进行参数估计,给出了模型关键参数,构建了合理的预测模型。将模型预测结果与实测数据进行对比,显示预测结果与实测数据变化趋势高度吻合,充分验证了预测模型的可行性、有效性与稳定性。