基于双正交小波支持向量机的变结构非线性协整研究

基于双正交小波在非线性信号逼近方面的良好性能,构造了一类新的双正交小波核函数并证明了该核函数满足正定核的容许性条件.在此基础上构造了基于双正交小波支持向量机的非线性协整模型,并基于双正交小波支持向量机和最小拟合误差原则,提出针对向量时间序列的最优非线性变结构点检测的动态规划方法.最后,以美元指数和原油、黄金、铜、铝、锌、铅和锡等七种国际大宗商品期货价格为对象,进行变结构非线性协整的实证研究.结果表明,美元指数与七种国际大宗商品期货价格之间具有复杂的变结构非线性关系,双正交小波支持向量机和最优非线性变结构点检测方法在变结构非线性协整分析上是有效的.     

汇率货币模型的非线性协整关系检验——基于深度GRU神经网络

本文采用深度门控循环单元（GRU）神经网络探讨三种汇率货币模型（弹性价格、前瞻性和实际利率差模型）的非线性协整关系。GRU技术在深度学习中具有智能记忆、自主学习和强逼近能力等优点。为此，本文运用该技术对6组典型浮动汇率制国别数据进行了非线性Johansen协整检验。结果表明，汇率与宏观经济基本面之间存在非线性协整关系，从而说明了货币模型在非线性条件下的有效性，以及先进的深度学习工具在检验经济理论中的优势。     

非线性协整关系的存在性研究

运用神经网络技术 ,提出了一种估计和检验非线性长记忆时间序列之间的协整关系的方法 ,并通过仿真试验说明了所提方法的实用价值 .同时 ,根据马氏过程的遍历理论 ,对网络输出残差的平稳条件进行了研究 ,证明了网络输出平稳残差的充分条件 ,给出了残差序列存在唯一的渐近平稳分布的条件     

基于非参数 ACE变换的贝叶斯非线性协整检验

针对线性以及非线性协整检验存在模型参数过多、小样本条件下检验功效偏低的问题,提出基于非参数 ACE变换的贝叶斯非线性协整 VAR模型, 运用 ACE算法进行变量变换, 结合参数的完全条件分布设计 Gibbs抽样方案, 进行贝叶斯非线性协整检验, 并利用 MonteCarlo仿真研究了贝叶斯非线性协整方法的检验势, 发现贝叶斯非线性协整比经典 Johansen法具有更高更稳健的检验势;同时, 对中国城市和农村居民消费价格指数序列进行实证分析.研究结果表明:贝叶斯非线性协整方法解决了模型中参数过多、小样本条件下检验功效偏低的问题,提高了估计的精确度和检验的准确性     

基于非参数ACE变换的贝叶斯非线性协整检验

针对线性以及非线性协整检验存在模型参数过多、小样本条件下检验功效偏低的问题,提出基于非参数ACE变换的贝叶斯非线性协整VAR模型,运用ACE算法进行变量变换,结合参数的完全条件分布设计Gibbs抽样方案,进行贝叶斯非线性协整检验,并利用Monte Carlo 仿真研究了贝叶斯非线性协整方法的检验势,发现贝叶斯非线性协整...     

基于协整模型的我国劳动生产率研究

本文利用1989～2008年的数据,对技术进步、外商直接投资和劳动生产率建立协整方程,研究三者之间的长期均衡关系.实证结果表明：1989～2008年技术进步、外商直接投资和劳动生产率之间存在协整关系、在长期中,R＆D投入每增加1%会带来劳动生产率增长0.4778%,外商直接投资每增加1%会带来劳动生产率增长0.371%.     

向量金融时间序列协整与协同持续关系——基于理论的思考

本文在协整和协同持续基本理论的基础上,继续考虑金融时间序列协整与协同持续的关系,在揭示时间序列内部稳定关系的研究上作一些新的尝试.提出具有波动持续性的向量金融时间序列,若各分量均为一阶单整且各分量间存在线性协整关系,则其一定存在线性协同持续关系,并且协同持续向量即为协整向量.从而揭示了协整与协同持续之间的数量经济关系,加深了我们对许多金融时间序列非平稳性和波动随时间变化这两个基本性质的理解.同时这一研究也展示了金融时间序列一阶矩和二阶矩之间的内在联系,有利于深刻理解向量金融时间序列在各阶矩意义上的内在均衡关系.     

内蒙古能源消费与经济增长关系的分析与预测

根据1985-2010年度相关数据,采用协整分析的方法,对内蒙古能源消费与经济增长的关系进行研究.结果表明, 能源消费与经济增长之间存在二阶协整关系.同时在协整分析之后,建立误差修正模型,并对“十二五”期间能源消费进行预 测.最后,根据上述分析与预测,对内蒙古能源消费与经济增长得出一些结论和相应的建议.     

我国经济增长与资本形成关系的实证研究

本文使用1978～2003年数据,运用协整分析方法研究了我国经济增长与资本形成的关系.研究发现我国经济增长与资本形成存在协整关系.考虑到经济环境变化可能对协整关系造成影响,引入虚拟变量,分析了协整关系的稳定性.结果表明协整关系在1993年发生了变化,并且分别建立了不同时期的误差修正模型.     

香港红筹股、H股与内地股市的协整关系和引导关系研究

不同国家或地区资本市场之间的联动关系通常受到重大事件的影响而发生某些根本性变化.以东南亚金融危机和B股对境内投资者开放两个事件为转折点,将1994年1月～2003年10月期间分为3个阶段,运用Johansen多变量协整关系检验对香港红筹股、H股和内地股市三者之间的协整关系进行了实证研究,结果发现红筹股、H股和内地股市之间存在着长期稳定的协整关系,这一均衡关系在B股开放之后进一步增强.利用基于向量误差修正模型的Granger因果关系检验,发现红筹股的走势始终是内地股市波动的"风向标",但H股与内地股市却无明显关联;在金融危机之前,红筹股先行于H股,但在金融危机之后,红筹股对H股的先行作用消失.最后,应用预测方差分解和脉冲响应函数的实证方法从另一角度再度证实了上述结论.     

季节型增长趋势电力消费预测研究：基于中国的实证分析

以我国月电力消费量为例,研究了季节型增长趋势中长期电力指标的预测问题。提出采用离散小波变换对季节型增长趋势历史数据进行分解并对各频率分解系数分别进行重构,在剔除随机性波动后,将长期增长趋势及各规律性波动趋势通过RBF网络进行趋势外推预测,进而通过对不同趋势预测结果进行组合得到电力消费量的预测值。实证分析表明,经过离散小波分解处理后,RBF网络样本的规律性得到增强,其在有效模拟非线性变化规律的同时,泛化能力得以提高,因而具有较好的预测精度。     

基于贝叶斯机制转换协整模型的石油——股市非对称效应研究

传统门限机制转换模型存在参数估计最优化计算复杂以及参数不可识别的问题,本文构建双机制的贝叶斯门限机制转换协整模型研究国际石油价格与股市之间的非线性动态关系。利用八个亚太股票市场和国际石油价格的数据,结合MCMC抽样算法进行贝叶斯分析,着重考察国际石油—股市之间的非对称效应,结果发现国际石油价格与韩国、马来西亚股市之间具有门限机制转换的非线性协整关系,表明国际石油价格与韩国、马来西亚股市存在非对称效应,而国际石油价格与日本、澳大利亚、印度、印度尼西亚、台湾和新加坡股市之间没有非对称效应。进一步,格兰杰因果检验结果发现,国际石油价格与日本、澳大利亚、韩国、印度、马来西亚、印度尼西亚和新加坡股票价格指数之间存在双向格兰杰因果关系,而与台湾股票价格指数之间没有明显的格兰杰因果关系。     

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。     

融资融券背景下证券配对交易策略研究——基于协整和距离的两阶段方法

国内融资融券政策的正式启动,为证券配对交易实施提供了必要的市场环境,使其成为一种新兴有效的投资手段。基于协整配对法和距离配对法,本文构建了一种新的两阶段配对交易策略。在股票配对选择方面,首先采用协整分析选出具有相似股价走势的候选股票对;其次,采用欧式距离计算各候选配对股票距离,以距离最小为依据选择最佳股票配对,以避免同一股票同时被买入和卖空的风险。在资金分配方面,考虑当前融资融券交易制度背景,求解资金有限约束下的最优资金分配方案,以保证模型设计更为接近实际交易情况。以上证50指数成分股为实证对象,实证研究结果表明不同费率情景下,构建的新两阶段方法均能获得超额收益,且其效果明显优于仅考虑协整关系的配对交易策略;同时,敏感性分析验证了新方法的稳定性。     

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。     

大商所豆一与豆粕期货合约价格的协整性分析

大连商品交易所在中国农产品期货市场中扮演着重要的角色。本文借助ADF单位根检验方法及协整理论,对大连商品交易所豆一与豆粕期货合约价格进行了实证研究和分析,并最终得出上述两交易品种期货合约价格之间存在协整关系的结论。     

Linear Regression Limit Theory for Nonstationary Panel Data

This paper develops a regression limit theory for nonstationary panel data with large numbers of cross section (n) and time series (T) observations. The limit theory allows for both sequential limits, wherein T→∞ followed by n→∞, and joint limits where T, n→∞ simultaneously; and the relationship between these multidimensional limits is explored. The panel structures considered allow for no time series cointegration, heterogeneous cointegration, homogeneous cointegration, and near-homogeneous cointegration. The paper explores the existence of long-run average relations between integrated panel vectors when there is no individual time series cointegration and when there is heterogeneous cointegration. These relations are parameterized in terms of the matrix regression coefficient of the long-run average covariance matrix. In the case of homogeneous and near homogeneous cointegrating panels, a panel fully modified regression estimator is developed and studied. The limit theory enables us to test hypotheses about the long run average parameters both within and between subgroups of the full population.