基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

可转债市场一致性风险价值及其应用研究

市场风险是可转债投资所面临的重要风险之一。文章引入CVaR模型对可转债市场风险进行了度量,通过回溯检验验证了模型的有效性,并探讨了模型所预测的一致性风险价值在可转债市场投资组合中的应用,通过多目标线性规划方法实现对投资风险和收益的有效控制。     

社保基金投资组合的动态风险测度研究

考虑到现阶段社保基金主要投资于股票和债券,以沪深300指数和国债指数构建投资组合代表社保基金投资组合,测度社保基金投资组合的动态风险。首先,基于FIGARCH模型对边缘分布建模;然后,基于时变Copula研究资产间的动态相关性,发现沪深300指数和国债指数间的相关性具有较强的持续性;最后采用Monte Carlo预测投资组合的VaR进行Kupiec检验。比较研究发现,基于时变模型的VaR预测效果要优于非时变模型的预测效果,时变FIGARCH-Copula-T和DCC(Dynamic Conditional Correlation)-MFIGARC-T模型都能准确地测度动态风险,但前者预测的失败率要低于后者。     

房地产投资开发风险及其预测分析

本文结合当前我国房地产业的现状，对房地产投资开发中可能面临的风险逐一论述，并介绍了风险率、预期收益率的计算方法，以及反映风险与期望收益之间关系的ＣＡＰＭ模型和投资组合的风险衡量，还从风险的概率分布及计量等方面分析了房地产投资风险的判断及预测方法。     

基于组合预测的风险值研究

针对准确地预测一个金融资产的风险值具有一定困难的问题,从风险值的特点出发,探讨了使用组合预测方法来预测风险值的意义以及确定组合预测权重和单个模型选取的方法。结论是用组合预测方法能提高风险值的预测表现;影响预测表现的关键因素是权重和单个模型的选取。     

简单平均组合预测有效性的应用分析

通过实例分析,说明了当序列模式变动较大时,简单平均组合预测模型相对于其他组合预测模型的优越性,并且基于样本段的拟合精度不足以说明组合预测模型的外推预测精度。文中的分析对于组合预测模型的选择和应用具有实际参考价值。     

投资组合极值风险测度——基于T-Copula-SV-T-EVT模型

针对金融资产收益率的“典型事实”特征,结合Copula函数、极值理论与金融波动模型构建既能反映投资组合金融资产收益率分布特征又能反映其相关结构的风险测度模型,用Monte Carlo模拟方法测度投资组合风险,以东方策略成长基金为例进行实证检验。研究发现,边缘分布与Copula函数的选择均会对投资组合的风险产生影响,通过对不同边缘分布和Copula函数组成的投资组合模型风险测度的对比,发现T-Copula-SV-T-EVT模型更具优越性,同时返回式检验表明T-Copula-SV-T-EVT模型对风险的度量是合理而有效的。     

组合预测在油气操作成本预测中的应用

油气操作成本在油气生产中占有较大比重，其高低直接影响油气田开发的经济效益。准确地预测油气单位操作成本，可以在生产中采取有效的控制手段，降低成本，提高企业效益。将组合预测法应用于油气操作成本的预测，利用非线性回归模型和灰色模型加权组合建立组合预测模型，并通过平均绝对误差、平均绝对百分比误差、均方误差和均方百分比误差等指标比较，证明组合模型比单一模型的预测效果更好，能提高油气操作成本预测的精度。     

河南省粮食产出模型与预测

通过收集河南省 1978～ 1994年粮食产出、粮食播种面积、农业机械总动力和农作物成灾面积的历史数据 ,建立了河南省粮食产出模型 ;通过对模型的内插检验和外插检验 ,证明该模型具有良好的拟合性能和预测性能 ;根据模型及对解释变量的预测 ,对河南省在“九五”期间的粮食产出进行了预测     

存货投资模型及其预测

利用多元线性回归模型对日常经济生活有重大影响的存货投资进行了经济建模，并对此进行了经济意义检验、统计检验、计量经济学检验和模型预测检验，最终确立了所需要的计量经济学模型，可在一定范围内对存货投资未来的变化进行预测，并可根据预测得到的结论出发，在现阶段采取各种相应的政策和措施，使各种资源配置达到最优．     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种玫进型粒子群（Improved Particle Swann Optimizer,IPSO）算法．可以优化BP（Back Propagation）神经网络．并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明：该研究方法能够在预测精度和稳定性方面明显优于传统的PSO—BP神经网络优化证券投资组合方法。     

我国有色金属期货波动溢出效应研究——以SHFE的铜和铝为例

金融市场中的波动溢出效应研究对资产组合配置、金融风险防范以及相关政策制定具有重要意义。鉴于此,以上海期货交易所(SHFE)的期铜和期铝为例,运用多变量GARCH-BEKK模型研究了我国有色金属期货之间的波动溢出关系,并分别在标准残差服从正态分布和学生t-分布假设下,进行模型拟合效果检验。研究结果表明,期铜和期铝收益率序列存在显著的条件异方差特征,两者之间存在较强的双向波动溢出效应,t-分布假设下GARCH-BEKK模型拟合效果更好。     

黄大豆系列组合保证金研究

大连商品交易所对黄大豆1号、豆粕和豆油合约实行单个品种的静态收取,但基于组合计算动态收取已成为保证金制度发展的趋势。根据非参核密度估计和copula中的kendallτ方法对大连商品交易所黄大豆1号、豆粕和豆油的大豆系列组合保证金的实证结果,非参数核密度估计方法可以很好地估计覆盖市场风险和流动性风险的保证金,而copula中的kendallτ有效定量了不同品种问的相依性,克服了线性相关系数在衡量期货合约间非线性关系时的缺陷。这两种方法的结合体现了不同品种间的风险对冲,有效地降低了保证金要求水平,也提高了风险管理效率。     

基于前景价值与下偏二阶矩的投资组合优化研究

以均值方差模型为代表的现代投资组合理论基于经典期望效用理论,忽略了有限理性人决策行为特征及风险的心理感知对投资组合选择的影响。前景理论刻画了投资者行为特征并将其纳入到价值函数中,下偏矩方法对下侧风险的测度更符合人们对风险的心理感知,使两者在行为投资组合研究中得到广泛应用。基于前景价值与下偏二阶矩的投资组合模型兼顾投资者的价值与风险感知,在行为投资组合框架下,以区间数的方式将三参照点理论与前景理论参照效应结合,用基于前景价值的下偏二阶矩计量风险,建立投资组合优化模型,并利用有序加权平均算子求解。实证研究发现:基于前景价值和下偏二阶矩的投资组合模型与传统投资组合模型具有相似的有效前沿和更优的性质。基于前景价值与下偏二阶矩的投资组合模型拓展和丰富了投资组合理论。     

基于学习效应的光伏发电发展策略分析

运用学习曲线模型和马克维茨投资组合理论,构建了由火电、水电、风电、核电和光伏发电五种发电技术组成的能源组合模型,对能源组合中光伏发电发展现状和发展前景进行了分析和预测。结果表明,对光伏发电未来发展而言,学习效应具有降低能源组合成本和组合风险的双重作用,学习率高低对光伏发电规模化过程中的学习成本和盈利能力有明显影响,高学习率下的学习成本小,盈利能力强。据此,可以通过充分发挥和增强产业学习效应来加速光伏产业的发展。     

基金组合风险与规模关系的实证分析

证券投资基金通过证券的组合投资来降低投资的风险,根据基金组合投资的原理,通过随机简单等权模型对基金样本进行组合结果表明:基金组合投资者选取比较大的基金组合规模才能有效地减少组合的总风险或排除非系统性风险;由于基金管理费用等费用因素将随组合规模扩大而增加,在组合规模选取中需要权衡风险和费用的利弊,一般而言选取7-13只基金作基金组合比较合适。     

上海证券市场投资组合规模、风险和收益关系的实证研究

现代投资组合理论认为不同风险资产进行组合后,在保证投资收益的基础上可以有效地降低组合的风险。本文以沪市上市公司近五年来的市场表现为例,分析投资组合规模、风险和收益的关系。通过实证研究发现:投资组合存在适度组合规模,组合规模过大会出现过度组合的问题;组合规模的增加能够有效地降低非系统性风险,但在提高组合收益上效果并不明显。     

最佳组合下的股票投资风险比较分析

本文从上证180中按行业抽取30支股票作为样本股,构建投资组合并计算各时期不同投资组合规模下的风险值,进而确定每个时期的最佳投资组合规模.通过对最佳投资组合规模下风险值的考察得到结论:通过构建投资组合,风险降低程度大约在30%左右;最佳组合投资下的风险随时间推移呈现先降低后升高的趋势.     

基于GA-SVR模型的中国上市公司融资风险预测

提升融资风险预测精度对促进企业资金融通与缓解企业融资约束问题具有重大意义。将中国上市公司作为研究对象,利用粗糙集理论（RS）筛选出企业融资风险预测指标,利用遗传算法（GA）对支持向量回归（SVR）模型的参数进行寻优,并采用GA-SVR模型预测上市公司的融资风险。研究表明:粗糙集理论筛选后得到的17个融资风险预测指标具有较强区分企业是否出现异常状况的能力;资产规模对上市公司的风险预测具有至关重要的作用;GA参数寻优后的SVR模型具有良好的预测精度与稳健性。