改进岭回归与主成分回归的股指跟踪研究

股市是金融市场的一扇窗,在一定程度上反映了金融市场的波动与趋势。在中国,上证50成分股属于股市中最有影响力与流动性的股票。选取上证50指数及其成分股,对所有成分股进行变量聚类,得出具有衡量价值的股票变量。将上证50指数与其成分股的收盘价数据分别进行单步估计与两步估计回归分析及股指跟踪,其中对岭回归与主成分回归进行改进。从跟踪误差的角度进行分析,结果表明:基于改进岭回归的股指跟踪效果更佳。该成果对研究股市波动具有一定参考意义,可帮助投资者进行决策分析。     

中证100股票指数回归模型的实证分析

建立中证100股票指数与其成分股的线性回归模型,运用岭估计和弹性约束估计探讨模型中严重存在的多重共线性。结合弹性约束估计系数估计结果,通过限定最低门限修正模型以及去除系数估计值为最低门限值的回归变量,规避了回归系数估计为负值和不显著的问题。实证分析表明所建股票指数模型可行有效,股指追踪效果较好。     

基于多源数据的房地产价格指数预测模型及实证研究

房地产的价格变化对社会经济发展有显著的影响,准确预测房地产市场价格变化并对其进行有效调控显得尤为重要,但使用房价作为评估房地产市场的度量指标有一定的局限性。住宅销售价格指数是由国家统计局发布的综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数,为探讨新建商品房住宅销售价格指数的预测方法及其预测有效性,利用与相关的房地产供求关系、社会宏观经济指标、国家货币政策和民众对房价的预期等多源数据,构建了一套房地产价格指标体系。分别使用BP-Adaboost和支持向量回归机两种机器学习算法构建房地产评估模型,同时设计了一个调参算法对支持向量回归机模型进行参数优化。在实证中使用华北某市的房地产月度数据对两种模型进行训练和预测,并与ARIMA模型和经典BP神经网络模型做对比。实验结果表明,BP-Adaboost模型的预测误差最小,使用BPAdaboost模型预测房地产价格指数具有可行性。     

基于随机森林算法的宏观经济先行指数体系构建

本文选取2001年1月至2022年6月的数据作为样本,构建了国内生产总值（GDP）、价格指数和出口的宏观经济先行指数,并用2022年7月至12月的数据进行样本外预测。并将本文构建的随机森林（RF）指数体系与现存的指数进行效果对比,结果表明:（1）相比传统先行指数,RF先行指数可以更好地反映宏观经济变量的变动趋势,对历史期的经济发展拐点和波动幅度均高度拟合。（2）RF指数构建方法对于不同领先期数的设定和不同被预测变量的选择在样本内是稳健的。（3）RF指数对名义GDP、工业生产者出厂价格指数（PPI）和出口指数的样本外数据成功预测了走势和振幅,对于实际GDP和居民消费价格指数（CPI）的走势预测效果较好,但振幅的预测效果一般。综上,RF先行指数体系和方法对现有指数的计算方法、操作流程的简便性、期数选择和变量选择的稳健性以及预测效果等多个方面都具有显著的改善。     

广义岭回归的岭脊搜索法研究

本文在大量计算机模拟实验的基础上,提出了以方差膨胀因子小于某阈值为约束的广义岭回归岭脊的三种搜索策略,以岭脊和最小且残差平方和不要上升太多为最优岭脊标准的准则,研制出一套广义岭脊搜索的MAT- LAB计算程序。     

一类函数积性误差模型最优校正估计的存在性

就非线性回归模型ｙ＝ａｘｂ线性化后,对参数ａ、ｂ的最小二乘估计进行了校正,并在残差平方和期望最小理论上证明了最优校正系数ｋ和最优校正估计量的存在性．     

线性模型参数β的均匀压缩估计

对一般线性模型中参数β的最小二乘估计和岭估计进行了修正;把岭估计中各分量的非均匀压缩修为均匀压缩,从而得到了β的一种均匀压缩估计＾βａ,并给出了具体的求法和适用范围     

岭回归的均方差最小调整因子与LS估计均方差最小压缩估计

本文通过对岭估计的分析，确定了岭回归的均方差最小调整因子。在此基础上，又给出了最小二乘估计对应的均方差最小常量压缩估计。表达式具有较强的实用可操作性。     

基于已实现NGARCH模型的上证50指数的风险度量

基于NGARCH模型刻画了波动率的杠杆效应特征,在已实现GARCH模型的波动率方程中引入杠杆参数的扰动,建立了新的已实现NGARCH模型,并研究了新模型的动态VaR估计问题。上证50指数5 min频率高频数据VaR估计的返回测试结果表明:该新模型比已实现GARCH模型更好地刻画了波动率的杠杆效应特征,在一定程度上提高了风险度量的预测精度。     

线性回归模型的一个新的随机约束岭估计

研究带随机先验信息的线性回归模型，提出一种新的随机约束岭估计，得到新的估计在均方误差矩阵意义下优于混合估计、普通岭估计、随机混合估计（Yalian,2008）和另一随机混合估计（富月，2003）的充要条件。理论结果与数值实验都表明：新的估计在均方误差矩阵意义下的性能是优良的。     

上市公司多元化战略与财务指标的关系研究——来自上证180指数的经验证据

多元化战略是企业为了扩大经营规模和增加利润而经常选择的战略模式.以上证180指数成分股上市公司为样本,对这些上市公司的偿债能力、发展能力、盈利能力、股东获利能力等相关财务指标进行了描述性统计,并分别与多元化战略的代表性指数——赫芬达指数进行了回归分析,结果表明公司多元化战略和公司的偿债能力、发展能力之间没有显著地相关性,而公司的盈利能力和多元化战略之间存在负的相关性.所以我国上市公司不能盲目进行多元化,否则会影响企业的正常发展.     

中国房地产业与银行业动态相关性及风险溢出性——基于GPD-Copula-CoVaR模型的实证研究

文章通过构建GPD-Copula-CoVaR模型,考察了2000年1月至2017年6月中国房地产与银行业的动态相关性与风险溢出性,并通过Monte Carlo方法拟合VaR,检验了模型样本外的预测能力。结果表明,房地产与银行的相关性与房地产市场的繁荣及政策调控密切相关,但严厉的政策调控只能暂时降低两个行业的相关性,并不是长效机制;样本外预测显示GPD-BB1Copula模型对实际风险损失的覆盖率更高,模型预测效果更好;此外,房地产与银行存在双向风险溢出效应,其中房地产对银行的风险溢出更强,约为40%。研究对相关投资者和政策制定者具有较强的应用价值。     

投资者信心和中国宏观经济波动——基于MIDAS混频模型

将投资者信心指数引入MIDAS混频模型之中,可以考察新冠疫情背景下投资者信心对于中国宏观经济波动的影响。基于投资者信心指数和“三驾马车”对我国季度GDP增长率进行预测,通过实证发现:引入投资者信心指数的MIDAS混频模型在预测精准度方面和基准模型进行比较,预测精准度高于未加入投资者信心的模型,均方根残差比值更小;在多元MIDAS混频模型之中,加入投资者信心指数的回归模型对我国GDP的实时预报和短期预测结果更加稳定,可为决策者提供更加精确的参考区间;宏观经济的波动对投资者信心指数变化反应,和投资、消费和进出口相比是最灵敏的。这为定量追踪宏观经济波动提供了一个新的视角。     

改进多元线性回归模型在某油田产量预测中的应用

为了预测油田的动态产量,根据实际工作经验选择一些与油田产量有关的因素作为建模变量,通过对多个变量的综合回归分析,确定影响油田产量的重要因素,并建立适合某油田年产量预测的多元线性回归模型。分析回归参数求解过程中的重要信息,并建立了年产油量的改进回归预测模型。同时,将两种预测模型应用于某油田产量预测,通过比较,可以看出改进回归模型形式更加简单,预测结果更准确。     

一类X尾翼无人机作动器故障诊断方法

本文针对一类X尾翼无人机的作动器故障进行诊断研究.在X尾翼无人机转弯速率模型的基础上,构造了能够输出反映无人机作动器故障信息的残差的检测滤波器;利用残差方向隔离故障,并采用卡尔曼滤波器对故障参数进行在线估计.仿真结果表明:该方法能够实现对故障的快速隔离,并在故障报警后可以很快估计出故障参数.     

稳健统计方法在外语教学研究中的应用

满足统计分析假设是正确使用常规统计分析的必要条件。当常规统计分析假设违背时,稳健统计方法相对于常规的统计分析能够更精确地估计总体参数。利用外语教学研究中的真实数据,阐述在违背常规统计分析假设的情况下比较独立组平均数时一个稳健t检验和两个稳健方差分析与对应的常规t检验和常规方差分析统计结果的差异性,可以使外语教学研究者对稳健统计方法有一个基本的了解,给予常规统计分析假设应有的重视,选择恰当的统计分析方法。     

马尔科夫转换的资本资产定价模型及其最大似然估计

从动态角度研究了资本资产定价模型,提出了马尔科夫转换的资本资产定价模型。与经典资本资产定价模型相比较,由似然比说明马尔科夫转换的资本资产定价模型的最大似然估计的参数好于经典资本资产定价模型的参数,并且对7天的股票收益率进行预测,结果平均绝对预测误差较小,估计出的参数β能更好地描述市场风险,以获得最优收益。     

抗不良杠杆量测的稳定收敛状态估计方法

不良杠杆量测使得传统的含有不良数据辨识的状态估计方法失效,严重降低了状态估计的精度,为了能够自动排除不良杠杆量测的干扰,同时保证状态估计计算的数值稳定性和收敛性,提出了抗不良杠杆量测的稳定收敛状态估计方法。在利用等价权原理并统一量测残差尺度的基础上,提出了采用标准化残差的指数型权函数,并基于此得到抗差状态估计模型。该模型能够根据量测残差自动修正量测权重,具有较强地抵抗不良杠杆量测的能力,能有效保证算法的数值稳定性和收敛速度。分别采用3节点和IEEE118节点算例对该方法的特点进行了验证。     

最小二乘估计的一种算法

众所周知,最小二乘估计(LSE)是广泛应用的一种重要数学工具。本文介绍一种新算法,当待估参数的数目超过方程总数的一半时,它比常规算法节省运算量。本算法的另一个特点是残差计算待估参数的 LSE,并由此揭示了残差的一些重要性质。     

基于PSO-SVM模型的网络流量预测研究

针对网络流量高度自相关、随机性和非线性等时间序列特征,采用支持向量机(SVM)模型进行预测.针对SVM模型中参数难以确定的问题,采用粒子群(PSO)算法进行参数寻优,保证预测的精确度.将PSO-SVM模型预测结果与ARIMA自回归移动平均模型、BP神经网络模型预测结果进行比对,PSO-SVM模型具有更高的预测精度,能够更好地反映网络流量的变化规律.