我国期铜价格波动的成因分析

针对美元指数、伦敦期铜价格等这些国际指标及国内宏观经济指标对国内期铜价格的影响进行研究,分析究竟是美元指数、伦敦期铜价格等这些国际指标还是国内宏观经济发展趋势指标在促使我国期铜价格波动中占主导因素.通过协整检验发现美元指数、伦敦期铜价格及国内宏观经济指标与我国期铜价格存在长期均衡关系,构建误差修正模型来分析期铜价格的短期变动是如何向长期均衡调整的.     

金融因素对期铜价格波动影响的实证研究

采用VEC模型和EGARCH模型实证研究金融因素和沪铜期货价格之间的关系,传导分析结果显示:汇率、外汇储备和货币供给量的变动通过不同的传导方式对期铜价格产生影响,在短期内各变量的变动均会使得期铜价格产生较明显的波动;而从长期来看,汇率和外汇储备的冲击效果会逐渐消失,但货币供给量的冲击效果具有很长的持续性。根据风险分析结果和信息冲击曲线得出,期铜价格波动的风险主要来源于外汇储备的变动,并且金融因素对期铜价格波动的影响具有明显的非对称性。     

灰色神经网络模型在猪肉价格预测中的应用

本文针对猪肉价格波动的特点,利用灰色神经网络模型（CGNN）对猪肉价格进行预测。CGNN模型是对同一已知时间序列,采用不同的GM（1,1）改进模型得到的预测结果使用神经网络进行组合,将每个灰色预测结果“串联”起来,融入神经网络之中,发挥每个灰色预测模型的优点,从而得到更为精确的预测值的方法。     

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。     

CPI季节调整中消除春节因素的实证研究

文章首先对CPI季节调整原因、方法进行说明,然后介绍X-12-ARIMA方法。考虑到中国特有的春节等移动假日效应问题,为剔除春节假日因素,笔者引入春节虚拟变量,建立了消除春节效应的模型。结果显示:消除春节因素的季节调整可更加准确地反映中国CPI的基本发展趋势。最后,利用消除春节因素的效应模型对CPI进行短期预测,预测结果与实际较为吻合。     

基于小波神经网络的国际铀资源价格趋势分析

铀资源是核能发展的物质基础。研究国际铀资源价格的走势对制定我国核能开发及利用的政策和发展规划具有重要的参考价值。构建小波神经网络,预测了国际铀资源价格的趋势。通过比较发现小波神经网络的预测精度高于与之结构相同的传统BP网络以及时间序列模型。研究表明短期内国际铀资源价格将呈下降趋势,而2至5年内将呈现先抑后扬的趋势,但相比2006-2007年仍处于价格的低位,建议在这一时期逐步增加铀资源的战略储备。     

LME和SHFE期铜价格的动态计量研究

利用动态经济计量学方法对上海期货交易所(SHFE)与伦敦金属交易所(LME)的期铜价格走势进行的实证分析说明,在统计区间内SHFE期铜与LME期铜价格间存在着协整关系,LME期铜和SHFE期铜价格间存在双向G range成因,来自于SHFE的标准差冲击对SHFE和LME期铜价格的作用都有持续性,而对来自于LME的标准差冲击,SHFE有着过度的反应。     

2020年国际原油价格分析与趋势预测

2019年国际原油价格在以小幅增长开局后,受供过于求基本面影响冲高回落,于中低位持续震荡。展望2020年,从基本面和非基本面着手,分析全球经济、供需、美元、黄金、市场投机和地缘政治等因素未来动向,对2020年国际原油价格走势进行整体展望和预测。预计2020年Brent、WTI两市价差明显,国际原油全年均价将不会出现大幅增长,日常运行将延续震荡态势,对Brent、WTI原油均价预测结果为61~71美元/桶和53~63美元/桶。     

2015年国际原油价格分析与趋势预测

在回顾2014年国际原油市场主要发展历程的基础上,从两方面对2015年油价走势进行了发展态势展望和预测分析。研究认为:受全球经济形势复杂多变,复苏进程缓慢、脆弱而不均衡以及供需基本面因素的主要作用,在产量相对过剩情况下,2015年油价上半年依旧延续下跌趋势,国际原油价格还将在低位震荡,下半年或出现企稳反弹,全年油价波动幅度小于2014年。预计Brent原油均价为50~65美元/桶,WTI原油均价为45~60美元/桶。     

2016年国际原油价格分析与趋势预测

在回顾2015年国际原油市场主要发展历程的基础上,从两方面对2016年油价走势进行了发展态势展望和预测分析。研究认为:受全球经济形势、供需基本面因素的主要作用,在产量相对过剩情况下,尽管2015年油价已经下跌至成本价水平,但2016年油价整体还将呈现下降态势或将持续在低位震荡。预计2016年Brent、WTI原油均价为40~50美元/桶,并且两市明显价差将消失。     

基于遗传神经网络的股价波动预测

对价格、成交量特征样本序列分别进行小波包分解,将其小波包系数单支重构能量值共同作为样本波动的本质表征,结合遗传神经网络进行股票价格波动预测。对沪市股票上海汽车(600104)、宝钢股份(600019)进行实证研究,结果表明,该模型具有收敛速度快和预测精度高的特点。     

基于RBF神经网络的短期电力负荷预测

研究了天气和特殊事件对电力负荷的影响,建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中,提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际应用中。结果表明:该方法具有较高的预测精度和较强的实用性。     

企业人力资源结构的神经网络预测

以企业人力资源结构为研究对象,将企业人力资源分为管理人员、科技人员和普通员工,根据这三类人员的影响因素,采用人工神经网络理论建立了预测模型,并以中国船舶重工集团公司为实例,对其人力资源结构进行了预测。结果表明,相对误差较小,预测精度达到了要求。     

基于灰色径向基函数网络的铁路投资规模组合预测

铁路固定资产投资是铁路建设不断发展的有力保证,为准确地预测铁路固定资产投资规模大小及其变化趋势,将GM（1,1）预测模型与径向基函数神经网络有效地结合起来,充分发挥灰色系统的贫乏数据建模和神经网络特有的高度非线性映射能力的双重优势,构建了一种新型的串联非线性组合预测模型。然后,以我国铁路1998—2007年的投资规模实际数据为基础,对“十一五”后半期的铁路固定资产投资规模进行了预测,并分析了预测结果的合理性。研究表明,该组合模型优于任何单一灰色预测模型,能很好地反映铁路固定资产投资规模的变化规律,在小样本、贫信息的奈件下,仍然能得到较合理精准的预测结果。     

基于BP神经网络的航空运输量短期预测模型

随着我国经济的发展,航空运输业也空前繁荣发展,航空运量受多方面的影响。本文运用误差反传神经网络,综合时间因素、实际进出空港的实际架次与飞机类型、进出空港旅客人数和货物量以及空港气象条件等,探索航空运量的短期预测模型。     

分支前馈神经网络的研究

在BP算法的基础上,提出了一种用于模式分类的人工神经网络模型——分支前馈神经网络,并给出了相应的算法。对模式分类的几个典型例子进行了计算机仿真研究。仿真结果表明,与一般BP网络相比较,分支前馈神经网络显著地减少了训练时间,且分类效果更好。     

基于BP神经网络的重庆市房价验证与预测

利用2000—2014重庆市人均地区生产总值、总人口数、房地产开发投资等相关数据,建立BP神经网络模型,通过与实际数据进行比较和误差分析,验证该模型在房价预测中的有效性。并预测重庆市2015、2016年的房价,以期给政府部门制定房价宏观调控措施提供参考依据。     

BP神经网络财务危机预警实证研究

财务危机预警具有重要的经济研究价值。在考虑中国现行会计信息供给状况基础上,构建了包含偿债能力、资产管理能力、盈利能力、成长性、现金流量以及会计信息披露质量的六大类预警指标体系。以沪、深两市上市公司为样本,比较了经秩和检验前后,BP神经网络模型的预警效果。结果显示:BP神经网络模型在中国上市公司财务危机预警中具有良好的应用价值,特别是经秩和检验以后,模型判别准确率显著提高,具有很强的优越性。