中国外商直接投资时间序列趋势的实例验证

本文利用时间序列分析理论,对我国外商直接投资(FDI)的发展趋势建立了动态模型,并预测了未来几年我国FDI的发展趋势。此模型利用小波分析剔除噪声对未来预测的干扰,提高了时间序列模型的预测精度。     

一种非线性时间序列预测模型及对原油价格的预测

针对具有非线性和不稳定性的时间序列,提出一种结合小波分解、滑动平均离散差分方程和马尔可夫方法的动态预测模型.利用小波多尺度分解将原时间序列分解到不同频率通道上,然后对分解出的低频近似小波系数利用滑动平均离散差分方程预测模型进行预测,并利用马尔可夫方法对时间序列的高频细节小波系数进行预测,最后将低频和高频的预测结果进行小波重构得到时间序列的实际预测值.原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油(周度)价格进行实证预测分析,分别预测WTI原油价格的整体变化趋势和周度实际原油价格.研究结果表明,此模型不但可以有效地预测时间序列的整体变化趋势,能从细节上对其进行有效的刻画,而且比其他基于小波的预测模型具有更高的预测精度.可以看出国际原油价格从整体上呈现周期性上涨趋势,并且不稳定的随机波动也会一直存在.     

基于小波包和神经网络的股票价格预测模型

股票价格是大量因素影响的综合结果,波动规律异常复杂,即使是神经网络这样强大的非线性预测工具也不堪胜任对其的准确预测。本文利用小波包理论将价格波动序列最优地分解为一系列规律较易掌握的子波动,对原始价格波动的预测也就分成神经网络对各子波动的预测。实证研究结果表明,这种小波包和神经网络相结合的股票价格预测模型预测精度明显高于小波和神经网络相结合以及直接利用价格波动预测的同类神经网络模型。     

短期电价预测的组合混沌方法

电力市场中,电价的变化呈现的是一种非线性的、动态开放的过程,传统的方法已很难提高其预测精度。为此,本文提出一种基于小波变换、计量经济学模型和径向基函数网络的组合混沌预测方法。首先利用小波变换将原电价序列分解、重构成概貌序列和细节序列;在此基础上,针对不同的子序列建立不同的模型,并进行预测;最后将所有子序列的预测结果求和,作为最终的预测值。对西班牙电力市场短期电价的预测表明,该方法具有很高的预测精度。     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.     

股市预测中的小波神经网络方法的研究

本文首先论述了股市时间序列中的明显随机性,可能是由于非线性确定性系统中混沌行为的缘故,利用混沌的确定性可以进行短期预测.混沌时间序列预测首先要重构相空间,接着充分利用小波变换时频分析的局部化特性,提出了一种改进的小波网络结构,探讨了股市预测模型问题.经实例验证,该方法能有效地提高预测精度,避免了人工神经网络模型和指数自回归的固有缺陷.     

企业中统计预测的应用与实例分析

统计预测中最常见,运用最为广泛的模型就是长期趋势模型,它主要是在时间序列中的长期存在的趋势实行外推预测的模型。在统计预测中,常见的预测方法有:最小平均法、直观法、指数平滑法、折扣最小平方法和三点法。企业的经济预测可以作为编制计划的依据和提升计划工作的质量。通过长期趋势模型分析了某企业经营的发展趋势,为企业领导决策以及编制计划提供科学依据。     

中国股票市场主要转折点的识别:基于改进的小波领袖法与逼近技术的贝叶斯法

在探讨单重分形模型与以小波领袖法为代表的多重分形模型的内在联系的基础上，分析了小波领袖法的内在缺陷并提出了改进方法，并利用Monte Carlo模拟比较了传统的小波领袖法和改进的小波领袖法的效果；在改进的小波领袖法的框架下，利用基于逼近技术的贝叶斯法估计了上证指数收益率序列的多重分形谱及有关参数。理论分析表明，在传统小波领袖法中，小波母函数"能量和为1"，这与经典的R/S法以及实际股票市场的实际情况都不相符，且会严重低估标度指数。实证表明，改进的小波领袖法克服了对标度指数的低估效应和对多重分形谱估计值的扭曲；在利用改进的小波领袖法刻画股票市场的波动性后，基于逼近技术的贝叶斯估计法不仅减少了需要估计的参数，而且准确识别了我国股票市场长期趋势发生变化的主要转折点，结果也非常稳健。     

基于小波域隐马尔可夫模型的时间序列分析-平滑、插值和预测

提出一种基于小波域隐马尔可夫模型的时间序列分析方法.首先介绍了离散小波变换;并针对小波系数进行统计建模,分别讨论了单个小波系数的混合高斯模型、不同尺度小波系数之间的隐马尔可夫树结构、模型训练及似然计算等问题;其次,提出了关于时间序列插值、平滑和预测的统一数学模型,并运用极大后验概率估计和贝叶斯原理,将小波域隐马尔可夫模型作为先验知识给出了一种分析时间序列的新方法;然后,详细推导了时间序列重建问题的Euler-Lagrange方程及对数似然的导数计算,将时间序列的插值、平滑和预测归结为一个简单线性方程的求解;最后通过期望极大化(EM)算法和共扼梯度算法进行交替迭代来计算小波域隐马尔可夫模型参数和重建时间序列.实验结果表明该方法在经济领域时间序列分析中的有效性.     

影响国际石油价格因素解析

为深度解析影响国际油价波动的主要因素,针对世界油价体系中最具代表性的三种油价(W TI,BR ENT,OPEC油价),根据现代时间序列分析的单位根检验、协整分析和格兰杰因果关系检验,选取了具有世界油价风向标作用的BRENT油价进行建模。针对油价波动复杂多变的特点,选择建立了GRN N人工神经网络模型,并采用现代启发式优化算法中的遗传算法进行网络优化训练。模型结果表明世界石油市场价格是生产主导型的,石油储备可以缓冲石油价格波动,美元汇率的波动将推动美元计价的石油价格波动。模型结果与历史数据相符,模型为分析未来油价变动及宏观经济决策提供了依据。     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆（LSTM）神经网络相结合，构建金融时间序列数据预测模型，以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时，以道琼斯工业指数日收盘价为例，探究LSTM神经网络对实际金融时间序列数据的预测能力，比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度，能够有效预测金融时间序列数据的长短期动态变化趋势，说明了其对金融时间序列数据预测的适用性与有效性。此外，对金融时间序列数据进行小波分解与重构，可有效提高LSTM预测模型的泛化能力，以及对长短期动态趋势的预测精度。     

基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

基于多尺度分析的小麦价格预测研究

本文基于分解-重构-集成的思想,构建了一个多尺度组合预测模型,选取小麦作为粮食的代表,预测其价格走势。首先,运用集合经验模态分解方法(EEMD)分解价格序列,然后,用灰色关联分析方法对分量序列进行重构,重构为高频、中频、低频和趋势项四个部分,并从不规则因素、季节因素、重大事件和世界经济水平等方面对这四个部分波动特点进行解释,针对不同特点的分量选择不同的方法进行预测,最后对各预测结果用支持向量机集成,并与其他预测模型的预测结果进行比较。实证结果表明,本文构建的多尺度组合模型的预测效果优于灰色预测GM(1,1)、BP神经网络、SVM方法、ARIMA模型等单模型方法和ARIMA-SVM组合模型以及基于EMD和EEMD分解的其他多尺度组合模型。     

小波包与混沌集成的股票市场预测新方法

基于小波包变换和混沌理论提出了一种股票市场建模及其预测的新方法,既能刻划时间序列的规律,又能捕捉混沌状态的特征.首先,应用小波包变换对上证综指和深证成指日收益率序列进行三层分解,分别得到第三层从低频到高频八个频率成分的时序,并在此基础上作进一步分析,结果表明中国股市存在混沌特性;然后,应用混沌理论分别建立从低频到高频八个时序的预测模型,分别对八个时序进行预测;最后,基于小波包理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测.与现有方法比较,结果表明该方法具有较高的精度,有极大的应用范围.     

基于贝叶斯正则化的TDBPNN模型在中国外贸预报中的应用及评估

基于相空间重构的非线性预报思想,建立一个时滞的BP神经网络模型(TDBPNN),采用贝叶斯正则化方法提高BP网络的泛化能力,并将该模型应用于中国进出口贸易的预测,结果证明改进的TDBPNN模型具有较好的泛化能力,准确拟合了进出口贸易发展的历史值和趋势。区别于一般的预测评价,认为非线性预测不仅要注重数据拟合和精度改进,而且应该能够反映被预报系统的非线性特征。在分析模型预测精度的同时,通过计算拟合序列和原序列的非线性特征量进行模型评价,证实预测模型能够合理地“捕捉”到产生原序列的非线性系统的动力学特征。     

我国房地产价格影响要素分析与趋势预测

本文结合当前我国房地产市场的热点问题,应用多因素回归、状态空间模型及Kalman滤波等方法,对我国房地产价格走势进行预测;进而通过对房地产价格波动影响因素和时变性分析,得出对全国房地产市场走势的预期。由于金融危机后宏观经济不确定性增大,我们认为,2009年中期全国房地产价格指数将保持震荡下行趋势,全国房地产市场整体依然趋冷,本轮市场回调底部尚不明朗。     

基于多尺度组合模型的铜价预测研究

铜价预测是国际大宗商品市场研究的一个重要领域。本文运用经验模态分解法（EMD）、人工神经网络（ANN）、支持向量机（SVM）和时间序列方法,基于分解-重构-集成的思想,构建了一个多尺度组合预测模型。在模型构建过程中,提出了运用游程判定法对分量序列进行重构的新思路。然后,运用此模型对LME铜价波动特点和走势进行分析：将铜价序列分解并重构成高频、低频和趋势三个部分,并从不规则因素、重大事件以及长期趋势三个角度解释了重构项的波动特征;实证分析表明,与灰色模型GM（1,1）、Elman神经网络方法等单模型,以及ARIMA-SVM组合模型相比,多尺度组合模型取得了最好的预测效果。     

Dynamic Pricing and Lead‐Time Policies for Make‐to‐Order Systems*

Make‐to‐order firms use different approaches for managing their lead‐times and pricing in the face of changing market conditions. A particular firm's approach may be largely dictated by environmental constraints. For example, it makes little sense to carefully manage lead‐time if its effect on demand is muted, as it can be in situations where leadtime is difficult for the market to gauge or requires investment to estimate. Similarly, it can be impractical to change capacity and price. However, environmental constraints are likely to become less of an issue in the future with the expanding e‐business infrastructure, and this trend raises questions into how to manage effectively the marketing mix of price and lead‐time in a more “friction‐free” setting. We study a simple model of a make‐to‐order firm, and we examine policies for adjusting price and capacity in response to periodic and unpredictable shifts in how the market values price and lead‐time. Our analysis suggests that maintaining a fixed capacity while using lead‐time and/or price to absorb changes in the market will be most attractive when stability in throughput and profit are highly valued, but in volatile markets, this stability comes at a cost of low profits. From a pure profit maximization perspective, it is best to strive for a short and consistent lead‐times by adjusting both capacity and price in response to market changes.     

存在风险容差约束的模糊投资规划研究

在模糊不确定环境下,利用证券价格为梯形模糊数的模糊AR时间序列预测证券价格,描述市场运动趋势,将半绝对偏差风险约束调整为模糊松弛约束,在均值-半绝对偏差框架下,构建出目标函数服从梯形模糊数的可能性分布,风险约束为模糊松弛约束的模糊投资规划,并求得了有效性前沿。采用上证50的15只指标股进行实证检验,表明:规划可以给投资者带来较高的投资满意度水平;规划考虑了市场趋势,具有决策的针对性;风险的容差水平体现了投资者自身评定程度,在不同的市场行情下,风险容差水平具有不同的作用;规划比均值-半绝对偏差模型具有更高的有效性前沿,更加具有投资的针对性。