Empirical Analysis of NATREX Model on Misalignment of Japanese Yen's Real Exchange Rate

Using Natural Real Exchange Rate model and combining with actual economic situations in Japan,we set up equilibrium real exchange rate model of Japanese Yen.Based on the model we assess the misalignment and also analyze its reason since the beginning of Yen's fluctuation.Finally we get conclusions as follows: Yen/Dollar real exchange rate has always been fluctuating acutely.Overvaluation alternates with undervaluation,either of which may last three to five years.Japanese government's too much intervention in nominal exchange rate is a very important factor of the misalignment.Overvaluation does much negative effect on the economy,especially in a period when the economy shrinks due to lacking for domestic consumption demand.In that case,currency crisis will probably soon break out.

基于新闻情感分析和区间分解的汇率预测研究

汇率序列具有非线性和连续变化等特点,其细节波动是一系列事件和新闻综合影响的结果.然而,现有区间预测模型难以量化重大事件和公众情绪的影响,导致其缺乏广泛的适用性,且传统区间分解方法存在上下界混叠的缺陷.因此,论文从新冠疫情冲击出发,提出一种基于新闻情感分析和区间分解的汇率波动实时预测模型.首先,基于Snownlp情感词典对外汇新闻文本进行情感分析,获得相应的情感分数.另外,构建全球恐惧指数(the global fear index,简称GFI)以量化新冠疫情的影响,并将其与芝加哥期权交易所波动率(the Chicago board options exchange volatility index,简称VIX指数)相结合作为汇率的影响因素.然后,提出一种新的区间经验模态分解(interval empirical mode decomposition,简称IEMD)方法对区间汇率序列进行多尺度分解,并根据样本熵重构得到高、中、低频区间序列和残差项.其次,利用极限学习机(extreme learning machine,简称ELM)、多层感知机(multi-layer perceptron,简称MLP)、随机森林(random forest,简称RF)和二次曲面支持向量回归(quadric surface support vector regression,简称QSSVR)分别对不同特征的子序列进行组合预测,以提高预测结果的准确性和稳定性.最后,利用论文方法对美元兑人民币、澳元兑人民币和瑞士法郎兑人民币3种汇率进行实证预测分析,结果表明,论文模型适用于重大事件影响下的汇率区间波动预测,与现有方法相比具有较高的预测精度.

白条猪价格预测模型构建

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

基于ARMA-GARCH模型的上证指数实证分析

研究上证指数收益率过程。以2004年9月30日至2011年9月30日期间的上证指数收盘价为基础,验证序列的相关性、稳定性及异方差性。建立ARMA-GARCH模型进行实证分析和预测,分别在误差服从正态分布、t分布、GED分布条件下比较拟合和预测效果。得到t分布的ARMA-GARCH模型最优,表明其更适合上证指数收益率的研究。

跳扩散模型下的外汇联动交换期权定价

在风险中性测度下,建立以外币计价的在境外上市的具有跳扩散过程的股票价格和汇率满足的随机微分方程,研究了附有汇率在某一区间变动的示性函数的外汇联动交换期权的定价问题.在实证分析中,结合港元/人民币汇率和沪港通股票价格的真实数据,讨论了所研究期权的定价问题,并与相关期权进行价格比较,同时对该期权的敏感度进行了分析.

基于ARMA-GARCH模型的上证指数短期预测研究

将在处理金融数据易变性方面具有优势的广义自回归条件异方差模型(GARCH)和在平稳时间序列数据预测方面具有优势的自回归移动平均模型(ARMA)相结合,提出ARMA-GARCH预测模型。以2007年10月08日到2011年11月4日997个上证指数收盘价格为样本对综合预测模型进行估计,并用随后五天的上证指数收盘价对综合预测模型进行检验。检验表明模型有效地刻画了上证指数的短期变化。

基于经验模态分解和集对分析的粮食单产波动影响分析

针对江淮分水岭易旱区粮食单产波动的复杂性与非平稳性问题,运用经验模态分解方法对粮食单产及其影响因子进行多层次、多时间尺度分解,并采用集对分析理论分析粮食单产波动分量与其影响因子之间的相关性,从而定量化分析各影响因子对粮食单产波动的综合影响率,得出自然灾害受灾率对粮食单产波动的综合影响率为31.26%,在此基础上,通过分析旱灾和自然灾害对粮食生产的危害程度,求取旱灾对粮食单产波动的综合影响率为17.13%,该研究为该区旱灾综合治理与粮食生产决策提供科学依据。

基于EMD和Elman网络的人民币汇率时间序列预测

为了改进神经网络的预测性能,更精确地预测人民币汇率,提出一种新的汇率时间序列预测方法,即利用基于经验模态分解(EMD)的Elman网络进行预测.首先对人民币兑美元的汇率序列做了非线性检验和非平稳性检验,然后对该序列进行经验模态分解,将得到的固有模态函数作为神经网络的输入变量,并在确定神经网络的关键参数后进行预测.实证结果表明,利用基于EMD的Elman网络进行人民币汇率预测能够取得更好的效果.

基于EMD的网络舆情演化分析与建模方法

现有研究忽略网络舆情演化过程的多成分特性,导致演化分析与建模效果较差。为此,提出一种基于经验模态分解(EMD)的网络舆情演化分析与建模方法。对演化过程进行EMD分解,形成演化过程的趋势成分、周期成分、突发成分和随机成分,通过对各成分进行分析与建模,实现网络舆情的演化分析与建模。实验结果表明,该方法通过EMD分解得到的各成分物理含义明显,有助于分析网络舆情的演化规律,同时具有较好的趋势预测效果,适合进行演化建模。

传统信用风险度量模型的实证比较与适用性分析

本文首先介绍传统信用风险度量模型的分析方法,然后测算了各模型的预测结果,发现所有的模型预测效果都较差,尤其是犯第二类错误率很高,实证说明它们在分析我国银行贷款违约率方面的适用性并不强。

基于经验模态分解的年径流组合预测模型

针对年径流量时间序列非线性、非平稳的问题,采用经验模态分解法(EMD)实现对年径流的多时间尺度、多层次分解,获得简单且平稳性较好的分量,分别选择合适模型对各分量不同变化规律进行合理预测分析,再将各分量预测值结合,重构原始序列年径流预测值,进而建立基于EMD的年径流组合预测模型,并应用于桂江流域年径流预测中。结果表明,该模型预测结果稳定可靠、精度较高,具有推广应用价值。

管理浮动汇率制度下人民币汇率决定模型研究

根据现阶段我国的实际经济背景和管理浮动汇率制度的特点，应用经济理论和系统分析方法，通过对人民币汇率决定机制的分析，建立人民币汇率决定模型．根据所建立的模型，得出如下结论：人民币对美元汇率的变化率是由西方主要货币对美元汇率的变化率、商品的相对价格的变化率、国内外利率差、外债余额对收入比率的变化率及国内货币供应量的变化率共同决定的．实证分析结果表明，本文所建立的模型能较好地反映现阶段人民币汇率的客观实际．

我国国债规模稳定发展与积极财政政策可持续性研究

当前我国国债规模进行现实考察 ,然后利用国债规模与经济增长、财政赤字的动态关系 ,构建了国债规模的稳定发展模型 ,并运用该模型对我国以前年度的国债规模进行了实证分析 ,从而得出我国国债规模可持续发展的稳定条件 ,最后以 2 0 0 1年为初始条件对我国积极财政政策下的国债规模的长远变化进行了预测 ,分析了积极财政政策的潜在的扩张空间。

基于ARIMA模型的CPI实证分析及预测

在现有资料对CPI预测研究的基础上,根据我国2000年1月至2012年12月的CPI月度数据构建ARIMA模型,对我国2013年上半年CPI进行分析和短期预测。实证结果表明:ARIMA(3,1,3)模型能很好地刻画CPI并提供较好的预测。这能为政府宏观政策的制定和实施提供一定的参考依据。

基于小波分析的铁矿石运价预测

在分析了小波分析对铁矿石海运价格非平稳数据序列预测优势的基础上,介绍了多分辨率分析理论和奇异性检测,借助于MATLAB和EVIEWS软件,建立自回归移动平均(ARMA)和Holt-Winters非季节组合模型,对经过处理的高频和低频数据进行静态和动态预测.预测结果表明,小波分析在非平稳时间序列预测方面具有很大的优势.

基于鞅转化的利率模型漂移函数的设定检验

基于切米雷泽(Khmaladze)鞅转化技术,利用标记的参数经验过程构造两种对利率模型漂移函数参数形式的设定检验方法,并给出该检验方法在原假设条件下的渐近性质与检验统计量的计算方法.所提出的利率模型漂移函数设定检验方法不依赖于利率模型的波动函数形式,即使对于复合假设检验问题也具有渐近分布无关性.蒙特卡洛模拟结果表明这些检验方法具有合理的检验水平(size)和检验功效(power).利用这些检验方法对我国的短期利率动态特征进行实证分析也能得到较好的检验效果.

基于集对分析的城市供水管网漏损预测及降漏研究

为了降低管网漏损水平,保障城市供水安全性和可靠性,以云南省某城市典型供水片区作为研究对象,运用集对分析漏损预测模型(SPA-LF),从供水管网漏点数和漏点率两个方面分析了不同管材漏损的实际情况,预测未来不同管材的漏损趋势。该研究能够提高供水企业主动检漏水平与供水安全可靠性,降低管网漏损率与供水成本。

集合经验模态分解-主成分分析分解消噪下的支持向量机组合模型预测

针对工业现场间歇性非平稳时间序列中的特征提取与状态预测问题,提出了一种基于集合经验模态分解(EEMD)、主成分分析(PCA)和支持向量机(SVM)的预测新方法。首先,利用EEMD算法对间歇性非平稳时间序列进行多时间尺度分析,得到一组不同尺度的本征模函数(IMF)分量;然后,基于"3σ"原则估计噪声能量,自适应确定累计贡献率,利用PCA算法去除IMF中存在的噪声,降低特征维数和冗余度;最后,在确定SVM关键参数的基础上,以主分量作为输入变量预测未来。实例测试效果显示:平均绝对误差(MAE)、均方误差(MSE)、平均绝对误差百分比(MAPE)和均方误差百分比(MSPE)分别为514.774,78.216,12.03%和1.862%。实验结果表明:风能场输出功率时间序列经过EEMD算法和PCA算法的进一步消去噪声处理,在抑制混频现象发生的同时降低了非平稳性,使得最后进行SVM预测的精度较未经PCA处理更高。

时变参数N-S期限结构模型的主微分分析及其实证研究

本文首次将主微分分析这一新兴数据分析方法引入到利率期限结构模型中,在基于这一方法对时变参数Nelson-Siegel模型(N-S模型)背后机理进行分析的同时,将时变参数Nelson-Siegel模型推广到一个更广泛的分析框架下。然后,针对国内债券市场进行相应的实证研究,给出了模型的参数估计,并对其样本外预测结果进行分析。