基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

“CNN+TCN”模型在高频国债期货市场走势预测中的应用

深度学习(Deep Learning)算法的发展和成熟为高频、量化交易提供了全新的技术手段。文章将卷积神经网络(CNN)和时序卷积网络(TCN)相结合,利用CNN卷积核学习限价指令簿(LOB)空间结构上的预测信息,用TCN学习LOB时间维度上的价格相关性。同时,利用2019年5年期国债期货所有合约的level 2行情数据对"CNN+TCN"模型进行检验,发现该模型能够提供非常稳定的样本外精度,而且模型表现得稳定地、显著地优于随机森林、支持向量机等已经在业界大量应用的成熟机器学习模型,并且训练速度大为提高。     

随机森林算法在城市空气质量预测中的应用

近年来雾霾现象不断出现,空气质量状况愈发受到关注.文章以每日前一天的PM2.5、PM10浓度值等污染指标及温度、湿度、风速值等气象指标为影响因子,尝试基于随机森林算法的分类与回归功能,采用交叉验证法构建空气质量预测模型,并与应用Boosting、Bagging、决策树及支持向量机算法建立的模型的预测结果对比,发现随机森林模型具有较高的预测精度、较强的泛化能力及较好的稳健性能等优点,对开展城市空气质量预测工作有一定的指导意义.     

利率结构、市场摩擦与跨期套利——基于机器学习的预测

传统套利模型大多仅采用价差自身滞后项建模预测,并利用预测值与阈值的差异来决定是否套利,该方法遗漏了较多有用信息。文章通过将利率结构及市场摩擦因素引入预测模型,并利用8种机器学习模型对沪深300股指期货的跨期价差进行预测及构造套利策略,研究结果表明：机器学习模型能够对跨期价差实现非常精准的拟合,Elman网络、随机森林以及平均集成模型表现最好;利用机器学习模型预测值构造的套利模型能够取得非常优异的费后绩效,绝大部分套利模型的夏普比率均在30以上;将利率结构和市场摩擦因素从机器学习模型中剔除,模型预测能力及套利绩效会发生明显下降。     

宏观经济对国债利率期限结构的影响研究

文章用隐因子模型和无套利简约宏观金融模型分别对中国国债收益率曲线进行拟合和预测,发现将宏观因子加入利率期限模型后,国债收益率曲线的长端拟合和预测效果均有提升.经脉冲响应和方差分解分析后发现,CPI增长率主要通过影响短期收益率来影响收益率曲线,而工业增加值增长率主要通过影响长期收益率来影响收益率曲线.此外,简约宏观金融模型可以形成对宏观经济的预测,尤其是对工业增加值增长率的预测较为准确.     

我国国债收益率曲线构造实证研究

随着我国国债市场的发展,国债的收益率曲线也越来越能反映出经济发展的状态.文章首先对利率期限理论进行了基本的分析,继而用我国上海证券交易所2012年4月17日的所有交易国债的数据分析我国国债收益率曲线,选用连续复利指数型模型、幂函数模型和三次多项式函数模型对我国国债进行静态拟合分析,并进行对比,继而择优构造我国国债收益率曲线.     

国债利率期限结构与宏观经济动态关联性：模型估计与经验证据

文章从国债利率期限结构的无套利动态Nelson-Siegel模型估计方法入手,对卡尔曼滤波算法进行改进,以提升模型参数估计的精确度;同时提取模型中的动态因子,考察其与宏观经济信息之间的关联性;进一步利用我国国债2010—2021年债券交易数据进行实证研究。结果表明：基于改进估计算法的模型无论是样本内预测还是样本外预测,效果均优于传统卡尔曼滤波估计的结果,同时发现状态因子与宏观经济变量之间有较强的关联性,蕴含了较为丰富的宏观信息。     

基于优化LSTM模型的股价预测方法

为了提高金融时序预测的准确性及泛化性，文章提出了基于主成分分析法和注意力机制来优化长短时记忆模型（PCA-Attention-LSTM）的消费行业板块指数预测方法。首先对指数日常数据生成技术指标，然后通过主成分分析法提取重要特征，根据长短时记忆神经网络（LSTM）学习输入特征的内部变化规律，并利用注意力机制计算LSTM隐层状态的不同权重，最后结合注意力权重和LSTM神经网络进行指数预测。结果表明，优化后的LSTM模型对消费行业板块指数走势具有较强的预测能力。此外，在预测方法的基础上引入了股票的异同移动平均线和均线指标，提供了一种每日轮动自动捕捉交易点的短频量化交易策略。     

国债收益率与高频宏观因子——基于非规则混频利率期限结构模型

及时反映金融市场与宏观经济的动态作用机制是大数据时代制定前瞻性货币政策和投资决策分析的关键。重大突发事件增加了动态经济机制的不确定性,有必要挖掘高频信息加以识别。为此,本文提出一种非规则混频宏观利率期限结构（IR-MF-NS）模型,并基于我国国债收益率和宏观经济信息进行检验。研究发现：与传统模型相比,新模型国债收益率的拟合效果有所改善;国债收益率期限结构与宏观经济存在相互作用机制,实体经济活动与斜率因子呈负相关关系,这与我国逆周期监管目标相一致;高频曲度因子对通货膨胀产生显著正向持续性冲击,验证了曲度因子在高频数据中发挥重要作用的结论;经济机制受信息频率影响,低频数据的“平滑效应”使得低频经济机制表现出平稳效果;高频数据因为信息波动产生“反转效应”使得低频机制和高频机制出现背离;受到重大突发事件的冲击后,国债收益率与宏观基本面的联动性出现系统性减弱,期限结构因子的预测方差作用降低,而宏观基本面对国债收益率预测方差的贡献增大。     

基于支持向量机及主成分分析的财务危机预测

支持向量机是一种基于统计学习理论的机器学习算法,在小样本情况下亦可得到很好的分类效果。文章提出了基于支持向量机的上市公司财务危机预测模型,公司财务指标作为支持向量机的输入,其数目较多,采用主成分分析方法降低支持向量机的输入向量维数。与多元统计方法、Logit及Probit模型进行比较,结果表明,该方法预测精度高,第一类错误及第二类错误显著减小。     

Indicators for democratic debate

One possible way for official statistics to become more useful and visible in public debate is to time the publication programme to match major events in society, such as local and general elections. Svein Longva , head of Statistics Norway, describes how, in the run-up to the last three Norwegian elections, Statistics Norway has published statistics and background analyses considered relevant to issues addressed in the election campaign. The response has been overwhelmingly positive and there have been no complaints that Statistics Norway interferes in the political debate or presents biased information.     

Leading Indicators for the Service Sector

Since the service sector currently accounts for a large and growing share of U.S. economic activity, we have undertaken to develop indicators that throw light on its current status and future prospects. A composite coincident index of aggregate economic activity in the service sector is constructed, and a growth-cycle chronology is identified based on growth rates in this index and in its components. Then several macroeconomic leading indicators of service are identified, and from them a composite leading index is constructed. The growth rate in this index is found to give advance warnings of major swings in the growth of the service sector.     

论统计指标测验

一、统计指标测验的意义与内容 统计指标是社会经济统计学的基本概念,也是统计实证分析的起点。统计实证分析结论的科学性如何,固然与所采用的分析方法、分析者水平及数据本身质量有着密切的关系,但是,如果赖以分析的统计指标本身就是不科学的,则不论分析方法如何先进、分析者专业水     

用数学方法选择社会经济指标

社会经济现象是复杂的。一个总体现象总是具有多方面的特征,需要多个指标来衡量。但是,指标多了,研究起来就比较复杂,给实际工作也带来不便。因此,要用少数几个指标代表众多的指标,使问题简化,同时,又要做到最大限度地反映总体特征,不损失与研究对象有关的重要信息。实际工作中一般是采用定性分析方法来选择指标。数学中有许多选择指标的方法,它可根据客观存在的各指标值,去分析各指标之间的关系,从中选出有代表性的指标来。本文试通过一实例来探讨如何用条件广义方差极小原则选择经济效益指标。     

我们应该选用什么样的相关性指标？

现在大家在实际中使用的、教科书上见到的 ,度量两个变量之间相关性的指标 ,往往都是皮尔逊的相关系数 ,即使在多元分析教材中 ,谈到典型相关系数 ,它实际上也是基于二元的相关系数。用相关系数来反映变量之间的相关性有什么不好呢 ?我们都已用了很长的时间 ,用它说明了许多问题 ,现在为什么要提出选用什么样的相关性指标 ,难道除它之外 ,还有别的相关性指标吗 ?还有哪些可以选用的指标呢 ?凭什么准则来选用什么样的相关性指标呢 ?这些正是我们这篇文章要探讨的问题。金融市场的风险分析这几年有很快的发展 ,原来的一些分析方法很不适应这一…     

论统计指标的构造过程

论统计指标的构造过程苏为华ＡＢＳＴＲＡＣＴＴｈｅｃｏｎｓｔｒｕｃｔｉｏｎｏｆｓｔａｔｉｓｔｉｃａｌｉｎｄｉｃａｔｏｒｓｉｓａｐｒｏｃｅｓｓｏｆｃｏｍｐｌｉｃａｔｅｄｌｏｇｉｃｔｈｉｎｄ－ｉｎｇｔｈａｔｃａｎｂｅｄｉｖｉｄｅｄｉｎｔｏａｓｅｒｉｅｓｏｆ...     

总体分高低成本下的复合多目标抽样方案的设计与应用

文章依据复合多目标抽样的基本原理,提出了高低成本指标广义相关下的多目标复合抽样方法的设计方案,探讨了依广义相关性进行分类的抽样方案在精度和成本方面的优良性,并进行了实际比较与应用。     

社会发展统计指标体系初探

一、建立社会发展指标体系的基本原则(一)必须反映社会主义基本经济规律。社会主义基本经济规律决定了我国社会发展的根本目标是为了满足人民不断增长的物质和精神文化的需要,因此,社会发展指标体系所反映的核心是人们物质生活和精神文化生活需要的满足状况。