基于沪深300股指期货合约的日内高频跨期统计套利策略

该文进行沪深300股指期货高频日内跨期统计套利策略研究,设计了沪深300指数期货跨期价差描述模型及套利交易触发与停止模型以及相应的参数估计方法,通过组合以上2个模型构造出了日内高频跨期统计套利策略算法,并使用0.5s取样数据,基于较为严苛的交易成本假设,实证验证了上述套利策略算法的有效性。     

沪深300股指期货跨期套利价差的R／S分析

基于R/S分析应用Hurst指数和V统计量对于沪深300股指期货合约跨期套利价差的1分钟数据进行实证研究,得出其Hurst值在(0.4,0.5),平均循环周期在(8,20)分钟。这显示跨期价差具有较低程度反持续性的分形市场特征,由于套利行为的影响,过去趋势对于未来有相反作用,与股票现货市场的长期记忆性不同。     

基于ARMA模型和VAR模型的中国债券市场

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

基于ARMA模型和VAR模型的中国债券市场信用价差预测比较研究

选取上海证券交易所企业债和国债月度数据,利用遗传算法对静态利率期限结构NSM参数模型进行求解,进而拟合较为精确的企业债和国债的利率期限结构,据此计算出企业债的信用价差。数据一部分作为样本内拟合区间,另外一部分作为样本外预测区间以检查模型的预测精度。通过建立自ARMA样本外预测模型和VAR样本外预测模型分别对我国债券市场信用价差进行预测,最后比较两种模型的预测精度。结果表明VAR模型对于信用价差短期预测较为准确,而ARMA模型对于较长期预测较为准确。     

基于HP滤波和协整理论的期货套利研究

利用Engle-Granger检验法,检验上海沪铜期货两个近月合约收盘价数据的长期均衡关系.在满足协整理论前提下,利用HP滤波法将两序列分别分解为长期趋势和短期波动周期性两种成分,并建立一种新的跨期套利方法:通过高阶自回归模型拟合趋势成分,并将趋势成分拟合误差转入周期性成分,通过GARCH类模型族对修正后的周期性成分进行拟合;再运用穷举法搜索历史数据标准化残差最优建仓与平仓阈值,建立最优套利方案;最后利用拟合模型进行预测和最优套利方案对未来数据套利.实证结果表明:基于HP滤波的套利方法,平滑指数越小,套利利润越高.与传统未进行HP滤波的套利方法相比,套利成功率较高,风险能得到有效控制,且投资者有较高的收益.1     

基于小波去噪和协整理论的股指期货高频数据跨期择时套利策略

近年来,高频交易策略因为其巨大的获利能力成为了投资领域研究的一个热点.由于股指期货合约在新上市首日和退市前几个交易日存在潜在的套利机会,该文对合约不同时间点进行套利的思想进行具体的实证分析研究.首先运用小波分析法对数据进行去噪,然后采用协整理论对数据进行协整分析和建模,最后进行跨期套利计算收益率.实证结果表明:采用小波去噪后的协整理论进行股指期货跨期套利,比采用传统的协整理论套利机会多,套利效果好.     

基于粗糙集和支持向量机的股指期货预测模型研究

本文提出基于粗糙集和支持向量机的股指期货走势预测模型。在模型中首先使用粗糙集对指标集进行特征选择,剔除冗余指标,然后使用支持向量机对基于历史数据的股指期货价格走势进行预测。为了评估该预测模型的性能,将预测结果与传统的自回归移动平均模型和BP神经网络模型的预测结果进行比较。实验结果表明了该模型的有效性。     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

基于LSTM神经网络的黑色金属期货套利策略模型

利用协整检验方法和LSTM神经网络算法,建立黑色金属期货市场的套利策略模型.利用基于LSTM神经网络套利策略模型对大连商品交易所上市的焦炭期货、铁矿石期货和上海期货交易所上市的螺纹钢期货进行实证研究.对比研究基于LSTM神经网络、BP神经网络和卷积神经网络的3种套利策略模型,实证结果表明基于LSTM神经网络的黑色金属期货套利策略模型可行有效,并且比BP神经网络套利策略模型和卷积神经网络套利策略模型表现更好.     

安徽省城镇居民人均收入的组合预测

以1995～2009年安徽省城镇居民家庭人均可支配收入的数据,分别建立时间序列模型、回归模型和灰色预测模型．然后在三个单一预测模型的基础上综合各个预测模型的优缺点．通过使组合预测误差平方和最小确定各单一预测方法的权重系数,得到最优组合预测模型．最后对几种预测方法进行了评价,得出组合预测效果比较精确．     

应用支持向量机的空中交通流量组合预测模型

为了提高空中交通流量预测的准确性,研究了将支持向量机(support vector machine, SVM)应用于空中交通流量预测的方法,建立了基于SVM的自回归预测模型,讨论了模型参数确定等关键问题.在SVM预测模型基础上,将SVM与多项式和鲁棒自回归预测模型结合,提出组合预测模型.利用北京周边空域实测流量数据进行的对比实验结果表明: SVM预测模型的预测误差小于5%, 组合预测模型的预测误差小于2%, 均优于多项式和鲁棒自回归预测模型;组合预测模型的预测精度和稳定性整体上又优于SVM预测模型.     

隧道围岩变形的非线性自回归时间序列预测方法研究

针对传统时间序列预测模型的单一线性和忽略施工过程影响的静态局限性,提出非线性自回归(包括NARNN与NARXNN)时间序列预测模型.该模型通过引入动态施工影响因子作为附加的外部输入,同时结合模型本身的反馈结构和延迟单元,在结构和动态特性上更加符合实际系统,可以非线性动态地考虑隧道施工全过程.运用该模型对史家山2号隧道施工过程中的围岩水平收敛和地表变形进行预测.结果表明:1)非线性自回归预测模型比传统的ARMA预测模型的预测精度高、适应性好;2)通过多次预测并对结果取平均值,可以保证非线性自回归预测模型预测结果的预测精度和稳健性;3)通过优化动态施工影响因子的取值方法,可以进一步提高NARXNN时间序列预测模型的预测精度.     

基于时序预测与异常检测的烟草违法销售预警

为提升烟草市场监管水平，通过某烟草专卖局的协作调研和历史销售数据，构建基于深度自回归网络(Deep auto regression network, DARN)和季节性自回归差分移动平均模型(Seasonal auto regression integrated moving average, SARIMA)的混合预测模型。然后以预测销量为基础进行异常检测，设计了烟草商户违法销售预警模型。实验表明混合预测模型较单个模型预测误差均有改善。预警模型在测试集上达到50%查实率，满足市场监管预警基本要求。     

基于ETF组合的股指期货套利研究

在考虑买卖的冲击成本的基础上,采用ETF组合作为套利的现货,建立基于ETF组合的股指期货套利模型.并运用本模型对沪深300股指期货的实际数据进行了实证分析.结果发现,本模型可以较好地发现套利机会,实现套利.     

服装品牌产品销售预测

通过建立产品销售预测模型,为服装品牌企业的产品管理提供决策依据.对现有预测工具进行比较分析后,选择SQL Server 2008软件的解决方案,运用时序算法,构建ART(自动回归树)模型.以案例品牌历史销售数据为基础,通过所构建的模型得到销售预测回归公式.通过模型验证了预测数据与实际数据的误差在可接受范围内,证明所构建销售预测模型的可行性.同时,基于所构建的模型建立案例品牌销售预测流程并提出产品管理策略.     

统计套利实例研究

随着我国融资融券交易的启动,股票市场的做空机制不断完善,这为统计套利的实施提供了巨大的便利。股市剧烈震动下,通过统计套利的方法可以控制风险,实现跨期套利。通过技术手段分析数据,运用协整的策略对选取的四个行业进行了实证分析,分别是银行、证券、保险、纺织,最后选取了配对系数最高的建设银行和农业银行进行实证分析。研究过程中,经过ADF单位根检验、E-G两步法协整检验和残差分析后,得出相应的跨期套利模型,并给出相应的套利操作办法,即建仓、平仓、止损的具体操作时刻表。最后,实证检验统计套利策略的市场绩效。     

商品期货跨市场线性套利模型研究

在传统的基差套利和比价套利的基础上,提出了一种新的套利方法——线性套利模型.介绍了线性套利模型的思想,并选取了相关性最高的上期所黄金期货和纽交所黄金期货,进行了跨市场线性套利的实证分析.     

基于最优加权法的航空货运量组合预测

以1997～2007年我国航空货运量的统计数据为基础,采用灰色GM(1,1)模型和回归分析模型进行组合优化,建立了基于最优加权法的航空货运量组合预测模型,并对组合预测模型进行检验.检验结果表明,组合预测模型是有效的、可靠的,具有较高的预测精度,可应用于实际预测.     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

时间序列在路面平整度预测中的应用

为了解决国际平整度指数IRI预测模型准确性不高的问题,以京沪高速公路实测IRI数据为基础,对log istic回归、多元回归、时间序列这3种建模方法分别进行分析.并根据京沪高速公路平整度实测数据,建立了几个有不同数量滞后值的时间序列路面平整度预测模型,根据与实测值的比较,找出最优的时间序列路面平整度预测模型.分析结果表明:利用传统的log istic回归和多元回归方法难以建立准确预测路面平整度发展趋势的模型;时间序列方法具有较高的预测精度,且其易修正性是其他预测方法所不具备的.