股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

宏观经济指标、技术指标与国债期货价格预测——基于随机森林机器学习的实证检验

分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。     

股指期货区间定价模型构建

文章据无套利原理对股指期货和股票交易中买卖双方交易成本差异、存贷款利率差异及保证金等因素影响下的不完美市场,建立股指期货的区间定价模型。一是全面考虑了股指期货和股票市场中的交易手续费、印花税、佣金等各项交易费用,并将现金股利和保证金参数引入定价模型,提高了定价的准确性;二是直接用比率指标计算股指期货的定价区间,解决了现有模型中绝对指标需要进一步换算的不足。     

基于VAR模型的铁矿石国际定价权研究

近年来我国铁矿石及其下游商品的持续金融化对国际铁矿石定价体系产生了较大冲击.文章应用VAR模型,研究了大连商品交易所的铁矿石期货、上海商品期货交易所的螺纹钢期货、新加坡交易所的铁矿石掉期和荷兰普氏能源发布的普氏铁矿石指数之间的价格溢出关系,并在此基础上探讨了我国商品期货市场对国际铁矿石定价的影响.整体来说,螺纹钢期货(上海)对铁矿石国际定价的引导较为显著,但铁矿石期货(大连)对铁矿石国际定价的引导总体并不显著,从分段检验的结果来看,我国铁矿石期货对铁矿石国际定价的引导能力在逐年加强.     

中国棉花期货价格发现功能的实证分析

文章选取中国棉花上市至实证结束期间29个完整合约的数据,运用ADF检验、协整分析、Granger因果检验、误差修正模型和方差分解法,实证检验了中国棉花期货价格时现货价格的预期效果和引导关系.结果表明:在2个月以内,棉花期货对于现货价格初步具有较明显的短期预测作用,且短期内期货价格变动是现货价格变动的Granger意义上的原因;长期来看,价格预测的能力和两者的协整稳定关系尚待进一步提高.     

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

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。     

“黄金”搅动投资春水

2008年投资者关心的第一件大事情当数上海期货交易所推出的黄金期货.而黄金期货在短短2个交易日表现出的"疯狂过山车"走势也着实让投资者大呼刺激!     

多方法改进视角下的中国核心通货膨胀测算和效果评价

本文在探析核心通货膨胀测算方法和评价方法原理的基础上,结合中国价格变动特点对部分方法进行适当改进,并将其应用于中国2001-2013年核心通货膨胀测算,然后采用无偏性检验、相关性检验、趋势追踪能力检验、未来预测能力检验四种准则对所有测算结果的货币政策应用效果做出评价。结果发现,没有任何一种方法是绝对最优的,相对而言,SVAR法、指数平滑法、不对称截尾平均法的效果较为优良。这一结论对中国的货币政策执行和核心通货膨胀测算方法研究具有重要的启示意义。     

GM(1,1)灰色预测方法的改进

文章对传统的灰色预测方法进行了改进,建立了灰色预测代数递推方程,以代替原始的灰色预测微分方程或白化方程.然而由于其预测精度依然偏低,又将其紧邻生成公式做了改进,并根据自动寻优方法确定了相应权重.以2010年4月16日至2014年1月10日的交易日内的股指期货的收盘价为例,利用改进前后的两种预测方法进行模拟对比分析.模拟对比表明,改进后的预测方法不仅预测精度显著提高,而且更能体现灰色预测以小样本空间、“贫信息”的不确定系统为研究对象的特征.     

基于主成分分析和支持向量机的企业盈利能力预测

文章针对中国建筑业上市公司样本规模较小,常规预测方法难以奏效的特点,尝试将支持向量机应用于其盈利能力预测.首先从不同的角度选择盈利能力单项指标,以此为基础构建反映公司盈利能力的集成指标,结合2001-2014年中国A股建筑业上市公司的数据,构建基于支持向量的盈利能力预测模型,对样本公司的盈利能力进行预测.研究结果显示,经过训练的支持向量机模型能较为成功地预测样本公司的盈利能力,2003-2014年的预测准确率均超过80％;通过与BP神经网络的对比试验可以发现,在预测中国建筑业上市公司盈利能力方面,支持向量机表现出了较明显的优势.     

“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。     

基于方差和条件风险价值的期货套期保值优化模型

文章以方差和条件风险价值(CvaR)分别衡量套期保值策略的整体风险和期货合约的重大损失风险,建立了基于方差-条件风险价值的期货会期保值优化模型,将该模型等价转化为可以有效求解的凸二次规划模型,并基于实际铜现货和期货价格数据计算出模型的有效前沿.研究结果表明,该优化模型增强厂套期保值者有效评估和控制期货重大损失风险的能力,提高了套期保值策略的可靠性和套期保值者根据自己实际风险承受能力合理选择会期保值策略的灵活性.     

考虑基差效应的期货对冲策略研究

文章通过在ECM-GARCH模型中引入基差项,研究了基差对期货和现货回报的条件均值及风险结构的影响,在此基础上研究了基差对期货动态对冲策略的影响.通过对我国铜期货和现货的实证分析表明,基差对期货和现货回报的条件均值及风险结构都存在显著的影响,考虑基差影响的对冲策略能有效提高期货对冲的效率.     

基于RiskMetrics模型的单个期货合约保证金比例设计

为了规避价格波动风险,期货交易所应该采取动态保证金设置方式。本文对单个期货合约的日收益序列建立了基于RiskMetrics的VaR模型,用滚动样本预测下一交易日的VaR值,而LR检验表明所建立的VaR模型能较好地测度价格波动风险。因此,下一交易日保证金比例可以设置为预测的VaR值和所规定的涨跌停板率的最小值,这样就能以相应的概率抵御该交易日价格波动带来的风险。     

本期导读

统计理论中点估计的评价主要通过无偏性、有效性、相合性三个指标来进行,其中无偏性和有效性比较容易验证,而相合性则无论是从理论上还是从实践上都较难判断。《统计参数点估计性能评价新方法》一文针对这一问     

基于GMDH组合的中国GDP预测模型研究

文章对中国季度GDP分别建立了ARIMA和ARCH模型,并利用GMDH自组织建模方法提出了新的组合预测模型。模型预测结果及对比表明,基于GMDH组合的GDP预测模型的拟合和预测效果,在经济正常增长或出现较大波动时都具有较高的可靠性与准确性。文章还使用Bon-ferroni-Dunn检验方法进一步验证了组合模型的拟合能力要优于单一模型。     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

股指期货的推出对我国股票市场的影响

文章分析了我国股指期货市场的基本构成,并借鉴海外学者就股指期货上市对股票市场波动性影响的基本结论,以及国内学者的研究成果,分析了股指期货推出对股票市场短期和长期的影响,提出我国推出股指期货对股票市场的影响,并建议尽快推出股指期货以防范股票市场的大幅波动.     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.