国际干散货运输航线间即期与远期市场的关联机制研究

以C3、C5航线FFA交易即期和远期的日数据为研究对象,以向量自回归模型为基础,利用脉冲响应分析和方差分解分析方法,对C3、C5航线的即期与远期市场及其航线间的相关关系进行了实证分析。脉冲响应结果显示,同一航线即期市场的波动会引起远期市场的波动,反之则影响较小;C5航线的波动能迅速传给C3航线,反之则较弱。通过方差分解分析可以发现,即期市场的预测波动大约有50％来源于对应的远期市场但远期市场的预测波动主要取决于远期市场本身;C3航线的预测波动主要取决于本航线,而C5航线的预测波动则有一半来源于C3航线。     

干散货航运即期费率和远期费率的动态引导关系——基于不同船型运输市场的月度经验数据

利用干散货航运市场2002—2010年的月度数据,通过ECM模型对3种主要干散货船型的即期费率和远期费率之间的动态引导关系进行实证研究。结论表明：不同船型的即期运费之间、远期运费之间均不存在协整关系;同一船型的即期运费与远期运费之间存在协整关系;Capsize型船舶的即期运费引导远期运费,Panamax型船舶的即期运费和远期运费双向引导,而Handymax型船舶的远期运费引导即期运费;各类船型的即期费率和远期费率之间呈正相关关系,且船型越大,两者之间的弹性越高。     

基于时间序列的上海银行间同业拆放利率(Shibor)

上海银行间同业拆放利率(Shibor)的推出对利率市场化进程具有强烈的推动作用,各报价银行的准确报价将对Shibor的有效运行起到决定性作用.本文基于时间序列的自回归移动平均模型(ARMA模型)对Shibor价格进行分析,研究结果表明:时间序列分析对Shibor价格具有一定的预测能力,特别是短期预测效果较好.因此,时间序列模型分析对Shibor报价具有指导意义.     

基于混合模型的国际原油价格预测研究

由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。     

基于自适应滤波的日负荷预测新陈代谢模型

提出了对日负荷进行预测的新方法。基于自适应滤波算法进行预测,在预测过程中对原始数据进行新陈代谢处理,且根据预测日的属性对预测结果进行加权,并依据历史负荷中负荷的变动情况对结果进行校正,以求最佳预测效果。利用自适应滤波预测结果的残差建立时间序列的AR(p)模型,与自适应滤波模型形成组合模型,从而实现了短期电力负荷样本资料随时间变化而更新、样本量和计算量不增加而预测精度能得到保证的目标。与传统的预测方法相比较,该模型用于日负荷预测具有计算迅速、精度高的优点。     

股指期货与现货之间超前滞后关系的研究

利用向量自回归模型(VAR)、误差修正模型(ECM),对股指期货与现货之间的超前滞后关系进行了研究。研究结果表明,股指期货能够快捷有效地反映市场信息,股指期货信息领先于现货市场信息。进一步验证了期货和现货超前滞后关系的一般性结论,研究结论有利于认识股指期货市场的价格发现功能和套利活动对市场的影响。     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

基于GARCH模型族的国际船用燃油价格波动性研究

船用燃油成本一直都在航次成本中占有较大的比重,加强对船用燃油价格波动的监控和预测是航运企业加强经营成本控制和管理的重要手段。以新加坡市场船用燃油IFO380cst作为研究对象,利用ARMA(1,1)模型对其价格收益率进行回归拟合,通过GARCH模型消除了序列存在的异方差性,并利用GARCH-M模型和TARCH模型对其进行进一步研究,发现对于新加坡市场船用燃油IFO380cst而言,不存在ARCH in mean效应和杠杆效应。     

国际原油价格变动对我国农产品价格波动的影响

随着全球一体化进程的加快,国际原油价格变动对我国农产品价格的影响越发明显。本文采用2002年1月-2013年6月的月度数据,运用VAR(向量自回归)模型,实证分析了国际原油价格变动对我国农产品价格波动的影响。研究发现,国际原油价格与我国农产品价格存在着长期稳定关系;运用国际原油价格预测我国农产品价格的最佳滞后期为两个月,即本期农产品价格的决定因素为前两个月的国际原油价格和我国农产品价格;国际原油价格对我国农产品价格的影响系数虽然较小但显著;使用VAR模型得到的我国农产品价格预测值与真实值相差只有1%左右。     

小波去噪结合ARMA模型在电力设备故障率预测中的应用

针对电力设备故障率具有周期性、随机性和多变性等特点,提出小波相关性去噪算法与时间序列自回归滑动平均(ARMA)模型的电力设备故障率预测方法.将电力设备故障率数据进行小波相关性去噪,最大限度保留有效序列,把重构后的序列进行ARMA建模及预测,预测值与实际值进行比较.仿真结果表明,小波相关性去噪后的ARMA模型预测结果有较高的精度,实际故障率预测效果较好.     

我国股票市场与货币政策关系的实证研究——基于VAR模型的分析

运用向量自回归(VAR)分析方法对我国股票市场股价指数与货币政策之间的关系进行了实证分析。研究发现股价指数对市场利率及货币供应量M0、M1有着较为显著的影响,而我国的货币政策对股价指数的影响则十分有限。目前我国还不具备运用货币政策来调整股价的能力,但可以培育运用货币政策影响股价的能力,并密切关注股票市场波动。     

畜产品价格定量预测方法评析

通过文献研究,本文归纳出定量预测畜产品价格的方法模型主要有回归模型、Box-Jenkins方法和VAR模型以及神经网络模型。没有明确的证据显示某一种方法或模型一定优于另一种方法或模型。在畜产品价格预测中,如果需要得到较为精确的预测结果,可供借鉴的做法是采用两种以上的方法或模型进行比较,或者进行组合。     

基于ARDL模型的港航上市公司股价波动影响因素分析

运用自回归分布滞后(ARDL)模型,探索中国港航上市公司股价波动特征及其宏观经济影响因素。得到以下结论:港航上市公司股价与GDP、进出口总额、银行间加权拆借利率虽有长期关系,但是影响较小;与汇率、CPI、道琼斯工业指数无长期关系;M2对加权股价的直接影响却非常明显,体现出港航股市具有一些资金驱动的特征;加权股价受BDI的影响较为持久,说明国际航运市场运价水平对中国港航企业整体股价的影响非常明显。     

商业银行结售汇逆差与境内外利差汇差关系的VAR分析

在分析了“811汇改”后引发银行结售汇波动的诱因的基础上,本文讨论了本轮资本流动是套利性流动还是保值性流动以及藏汇于民的现状。基于HIBOR和SHIBOR利差以及境内即期和NDF汇差,本文对银行结售汇进行格兰杰因果检验和向量自回归VAR分析,分析的结果是：对汇率变动的预期引发企业和个人的货币保值性流动,是结售汇逆差的原因,利差则不是。     

中国猪肉市场总供给波动及影响因素的实证分析

近期我国猪肉价格的剧烈波动,引起了社会各界的广泛关注。采用Nerlove供给模型分析了生猪供给的价格预期和成本调整周期,结合自回归分布滞后—误差修正（ARDL-ECM）模型对猪肉总体供给的影响因素进行了实证分析。结果表明,猪肉价格的长期供给弹性小于短期供给弹性,而在诸多影响因素中,饲料价格对猪肉供给的短期影响最大。由此认为,由于价格预期对猪肉供给的影响存在着严重的滞后,国家宜采用逆周期补贴政策对生猪的生产进行宏观调控。     

汽车销售混合预测方法研究

市场分析和预测已成为企业重要的决策依据和手段。就汽车销量问题提出了一种ARMA模型与RBF神经网络相结合的混合预测方法。采用ARMA模型对汽车销量趋势进行初步线性预测,利用RBF神经网络对线性预测的残差建模,得到非线性预测,两部分预测输出和为总的预测值。该方法既体现了销售量数据间的线性关系, 又揭示了数据内部的非线性特征,克服了单一方法的局限性,提高了预测精度。仿真结构分析表明,该方法预测效果最佳。     

国内外研究远期运费协议市场效率的方法和结论

远期运费协议（FFA）属于衍生品家族中比较新的成员。国外学者自20世纪90年代开始对巴拿马船型数个航线的远期运费市场进行价格预测、信息传递和套期保值等市场效率方面的研究,并与其他衍生品市场进行比较。总体而言,FFA尚不具备成熟市场的特质。近5年来,中国学者也对FFA市场效率进行研究,但未与其他衍生品市场进行比较。     

我国城镇登记失业率的影响因素分析及预测

失业是市场经济运行中的难题,把失业率控制在社会可承受的范围内,是很多国家的重要目标.失业率要受各种经济和社会因素的影响,利用我国的一些宏观经济指标和城镇登记失业率建立贝叶斯向量自回归模型(BVAR),并做脉冲响应分析,通过对比向量自回归(VAR)和贝叶斯向量自回归模型(BVAR)所做的失业率预测,发现BVAR比VAR得出的预测结果更好.     

中国股票市场的非线性分析

大多数时间序列往往具有变方差的非线性特性,即某些时期的波动特别剧烈,而另一时期的波动又相对平 稳。对中国股票市场的非线性现象进行分析,发现上证综合指数和深证成分指数分布显示中国股票市场非线性现 象十分明显。在分析数据的基础上,建立了上证综合指数和深证成分指数的广义自回归条件异方差(GARCH)和 自回归移动平均(ARMA)预测模型,并分析了中国股票市场的几个非线性特征。     

商品住宅销售面积与待售面积的互动关系——以沈阳市为例

基于向量自回归(VAR)模型,构建2002-2010年沈阳市商品住宅待售面积与销售面积相互作用的动态模型,分析两指标的因果关系,并利用脉冲影响函数对二者的互动进行了探讨,认为沈阳市商品住宅待售面积降低1％时,销售面积增加0.625％,此互动周期约为4年,待售面积对销售面积影响贡献率逐步加强并稳定在70％.