基于ARFIMA模型的黄金价格预测

研究发现上海黄金交易所黄金收益序列有长期记忆性,进而从另外一个角度证实了上海黄金市场尚未达到弱式有效的结论。应用ARFIMA模型对黄金收益序列进行预测,并与用于定量预测的ARMA模型对比,结果表明分整的ARFIMA模型提高了黄金收益序列长期预测的可靠性。     

四川省天然气消费量变权重组合预测

在BP神经网络及最小二乘支持向量机预测模型的基础上,利用基于样本点优化的变权重组合模型对四川省天然气消费量进行了预测,结果表明该预测方法在样本数目有限的情况下,在性能上不但优于各单项预测方法,同时也在很大程度上好于固定权重的组合预测模型,对于四川省经济发展有着重要的意义。     

基于希金斯可持续成长模型的企业财务危机预警实证研究

基于2003年至2007年中国A股市场新增ST公司样本及配对样本的前三年数据,本文对Higgins模型综合指标进行单变量分析,证实了该模型的预警可行性;然后根据四项因素驱动指标分别运用多元判别、逻辑回归、神经网络和最小二乘支持向量机方法建立预警模型进行回判和外推,以考察希金斯可持续成长模型是否能够用于企业财务危机预警。研究表明,四项因素驱动指标在ST前两年具有较高的分类准确性,Higgins模型能够为开发标准化预警指标体系提供参考。     

基于LS-SVM的个人信用评估

个人信用评估一直是金融业研究的重要内容,已取得一定的研究成果,但与现实的业务发展要求还有一段距离。本文在信用评估中应用了一种新的方法———最小二乘支持向量机方法(LS-SVM),该方法具有专门针对小样本、算法复杂度与样本维数无关、处理非线性等优点。使用真实的信用卡数据实证结果表明,本方法具有较好的预测能力,在与Logistic方法进行个人信用评估的对比研究中,该方法具有明显的优势。     

上海股市收益序列的长期记忆性建模分析及预测

应用ARFIMA模型研究上海股票市场收益序列的长期记忆性,揭示了上海股市收益具有较明显的长期记忆性,进而从另外一个角度证实了上海股票市场尚未达到弱式有效的结论。上海股市收益序列进行预测,并与传统的线性模型相比,分整的ARFIMA模型提高了股票收益序列长期预测的可靠性。     

基于DFA和SVR的GDP预测模型研究

首先对1980—2013年全国年度GDP数据进行消除趋势分析（DFA）,发现GDP时序具有长记忆性,表明当前GDP值用来预测未来一段时间内的GDP值具有可行性,在此基础上利用具有非线性和强泛化能力特点的支持向量回归机（SVR）,建立SVR预测模型,得到了较好的预测效果.     

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.     

福建省物流需求中的货物运输量预测研究

货物运输量是物流需求中的重要内容,其准确预测对物流发展规划具有重要意义.通过选取影响货物运输量的16个指标,基于核主成分分析与加权最小二乘支持向量机的预测方法,实证预测福建省物流需求中的货物运输量.结果表明,基于核主成分分析与加权最小二乘支持向量机的预测方法拟舍及预测(测试)都达到了很高的精度.     

时间序列预测新方法及其在电信预测中的应用

利用时间序列稳定的季节性,建立一种新的时间序列预测模型。即建立季节末总量基于给定资料的条件分布,利用季节周期内已知的少数观测值来预测周期末总量;在总量预测的基础上进一步预测周期内的为止观测点。经过实证研究可以看出,该模型对于观测值少的时间序列有很高的预测效率。     

2018年国际原油价格分析与趋势预测

2017年,随着世界经济的复苏和OPEC主导的限产协定效果的显现,下半年国际原油市场持续攀升。2018年的油价将延续2017年的走势。从全球经济形势、供需基本面因素、美元汇率和地缘政治风险等方面,对2018年油价走势进行了发展态势展望和预测分析。综合考虑影响油价涨跌正负效应,在当前全球经济形势、国际原油供给和油价影响因素态势发展下,2018年油价将会相对稳定,全年或将出现阶段性大幅度涨跌,但是整体还将保持上升态势,预计Brent、WTI原油均价将会达到54~64美元/桶和52~62美元/桶。     

2014年国际原油市场分析与价格预测

在回顾2013年国际原油市场的发展动态的基础上,综合分析2014年全球宏观经济的复苏态势,国际原油市场供需基本面因素的变化,以及美元汇率、投机炒作、地缘政治等非基本面因素的走向及其可能对油价的冲击。结合国际原油市场形势和定量模型预测结果,预计2014年WTI、Brent原油现货价格将相对稳定,分别达到97～101美元/桶、111～117美元/桶。国际油价面临各种不确定性,预计2014年国际油价的长期走势主要取决于全球经济复苏的步伐,短期波动更多取决于美联储退出宽松政策的速度和节奏。     

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。     

2013年国际原油价格分析与趋势预测

当前, 世界经济复苏进程艰难而复杂, 下行风险显著。受此影响, 国际原油市场不确定、不稳定因素增多。在此背景下, 在回顾2012年国际原油市场主要发展历程的基础上, 从原油市场供需基本面和非基本面形势两个方面, 较为系统地展望了原油市场发展态势, 并对2013年油价走势进行了预测分析。研究指出, 欧元区经济和债务危机可能进一步恶化是2013年世界经济面临的主要风险, 因此导致国际油价走低的可能性较大。     

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。     

2019年国际原油价格分析与趋势预测

2018年,国际原油价格经历平稳开局后,减产协议、核制裁等多种因素交错影响原油供需,导致全年市场波动较大。展望2019年,从基本面和非基本面着手,分析全球经济、原油供应、库存、汇率、市场投机和地缘政治等因素的未来动向,对2019年国际原油价格走势进行整体展望和预测。综合考虑国际原油市场各影响因素,结合预测模型客观计算和专家的主观判断,2019年国际原油价格将出现阶段性较大幅度涨跌,但整体还将保持低位震荡态势,Brent、WTI两市价差不确定性增大。预计Brent、WTI原油均价将会达到57~72美元/桶和51~66美元/桶。     

2022年国际原油价格分析与趋势预测

2021年全球经济恢复性反弹带动原油消费强劲增长,同时受制于原油供应偏紧,原油市场全年处于供不应求局面。国际原油价格整体走强,年均价较2020年大幅提高。展望2022年,全球经济将从恢复性反弹回归正常有序复苏,原油需求增速逐步放缓,受新冠疫情反复等因素冲击,或将出现阶段性大幅波动;OPEC+将延续稳健增产路线,美国原油产量增加,带动原油供应显著提高;美元保持相对强势、期货市场看空、金价反弹动力有限释放利空信号。美国和伊朗谈判僵持、俄罗斯和乌克兰冲突持续升级加大了原油市场地缘政治风险,影响原油供应预期。综合分析,2022年国际原油市场需求恢复、供给不确定性增大,油价将持续高企,在新冠疫情、地缘政治等不稳定因素影响下,油价波动增强。预计Brent、WTI原油均价将在83~93美元/桶和78~88美元/桶范围。     

国际油价波动与中国成品油价格风险研究

文章以扰动项为正态分布的GARCH模型研究了Brent、Dubai和Minas原油市场的价格波动风险,以Kupiec的失败频率检验法检验模型的有效性,结果表明,模型能够刻画考察期的原油收益率波动特征,也能较好地度量上述3个原油市场的价格风险。由于中国成品油定价过程中参照Brent、Dubai和Minas原油市场,文章对3个原油市场的历史数据拟合结果进行了相关性分析,通过组合波动最小原理得出3地市场的权重比为0.238 9∶0.575 9∶0.185 2时,中国成品油用油成本的波动率达到最小值。通过蒙特卡罗模拟验证了这一结果,实证表明在75美元/桶的国际油价水平下,置信水平取95%,使用最优权重能够减少用油成本波动0.16~0.17美元/桶。