基于SVR的区域经济短期预测模型

分析了区域经济发展的特性，并指出在区域经济发展预测中存在非线性强、波动性大的特点，从而导致常规的宏观经济预测手段难以取得理想的预测效果。核方法实现了数据空间与特征空间之间的非线性映射，建立在此基础上的SVR也就具备了优秀的非线性建模能力。首先对影响区域经济发展的各因素进行了相关分析，在此基础上提出并建立了基于SVR的区域经济短期预测模型，广东省江门市的应用实例说明了该模型的有效性。     

基于SARIMA-Intervention-SVR/BP神经网络的串联预测模型

本文利用SARIMA模型处理线性问题的优势、干预模型处理突发事件及异常值的优势、支持向量回归(SVR)模型或BP神经网络模型处理非线性问题的优势,提出了一种串联组合预测模型：SARIMA-Intervention-SVR/BP神经网络串联模型。通过对受911事件影响的美国航空客运里程、受非典影响的北京入境旅游人数以及受新冠疫情影响的中国民航货运量三个数据集的实证分析,证明了该串联模型相对于单一模型、SARIMA-Intervention串联模型以及一些衍生串并联组合模型在受到以上干预时预测的有效性。     

人民币汇率的半参数预测模型

利用从2006年1月4日到2008年7月18日人民币对美元汇率中间价的日均数据, 同时运用非参数函数系数模型和GARCH模型来分析人民币对美元汇率收益率与波动率的非线性时间序列特征. 实证结果表明, 半参数组合模型具有较好的拟合以及预测效果, 而且汇率管制政策变动的虚拟变量的估计 系数显著不为0. 跨度为50天的样本外预测显示: 96%的收益率真实值都落在2.5%以及97.5%的非参数分位 数回归预测线区间之内; 参数GARCH(1,1)模型拟合的波动率所显示出的汇率震荡与实际情况一致.     

权证收益率波动的度量:基于GARCH和SV模型的比较

分别采用GARCH模型和SV模型对权证收益率波动进行比较研究,发现这两类模型均能较好地拟合权证收益率的波动,但SV模型比GARCH模型更能捕捉权证收益率的波动信息。在权证总持续期间,通过SV模型计算的V aR值比GARCH模型更加准确;而在权证发行上市时期及最后交易日期间,通过GARCH模型计算的V aR值比SV模型更加准确。     

我国铁矿石进口价格预测的ECM-SVR混合模型

作为钢铁工业生产的重要原材料之一,铁矿石进口价格的剧烈波动给我国钢铁企业带来巨大的冲击.本文通过分析影响铁矿石价格波动的多种因素,包括供需关系、运费成本、国内外经济环境等,挖掘影响铁矿石进口价格的关键因素,综合考虑其线性和非线性均有的复杂时间序列特征,提出一种基于误差修正模型(error correction model,ECM)和支持向量回归(support vector regression,SVR)的铁矿石价格混合预测模型ECM-SVR.实证结果表明:与单一基准模型和传统混合模型相比,新模型具有较高的预测准确率,这对于钢铁企业控制原料成本和市场投资者合理规避价格风险具有重要指导作用.     

基于Bagging与决策树算法的在线拍卖成交价格预测模型

通过分析在线拍卖出价特点,利用决策树和Bagging算法建立了一种全新的在线拍卖成交价格预测模型.作者编写程序收集淘宝网在线拍卖交易数据3310条,对应有效出价记录8275条. 数据分析表明, 如不考虑未成交商品,则有40.4{\%}的交易可以利用出价次数精确计算最终成交价格.如将未成交商品视为成交价格为0, 该比例可提高为79.55{\%}. 据此发现,作者通过预测出价次数间接对成交价格进行预测. 实验证明,模型明显优于平均值预测, 并有21.7{\%}的预测结果完全准确.通过与Heijst发表于《Decision Support Systems》上的研究进行对比,结果表明预测模型在样本需求量、运算时间,及完全准确预测率上有明显优势. 由于模型训练时间仅为数秒,为建立实时在线拍卖成交价格预测决策支持系统奠定了基础.     

基于GARCH扩散模型的权证定价

考虑了标的资产服从GARCH扩散模型下的权证定价问题. 首先,基于有效重要性抽样(EIS)技巧,给出了GARCH扩散模型的极大似然(ML)估计方法; 然后,以上证和深证综合指数数据为例, 利用EIS-ML方法估计了GARCH扩散模型,表明了EIS-ML估计方法的有效性; 最后,给出了基于恒生指数权证的实证研究. 结果表明:GARCH扩散权证定价模型比经典的Black-Scholes(B-S)模型具有更高的定价精确性.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

算术亚式期权价格的敏感性参数估计

算术亚式期权很难从数值上对其精确地定价,因此期权价格的敏感性参数估计对于算术亚式期权的套期保值就显得颇为重要.本文主要介绍2种计算敏感性参数的方法,即顺向法与似然率法,并推导了算术亚式期权的敏感性参数△、ρ和υ,的计算公式,通过MATLAB编程模拟证明了公式的正确性,最后对两种方法进行了比较并得出一些结论.     

认股权证价格过程的风险分析

用逐次迭代算法证明认股权证定价.结果表明,该方法优于拉格朗日插值法;给出认股权证市场风险管理常用的Delta与Vega计算公式.对宝钢认股权证价格过程进行了风险分析,发现实际价格过程存在着较高的风险.     

基于SVR的回转窑烧成带温度软测量方法的研究

提出了一种新的回转窑烧成带温度的软测量方法.首先利用大津方法从烧结图像中分割出物料区和火焰区,并提取相应的特征值,然后采用最速下降法选择支持向量回归(SVR)模型的参数,基于这些参数建立了烧成带温度的软测量模型,最后利用前向滑动平均进行滤波提高拟合优度.将该方法应用于中国铝业公司山西铝厂的3#回转窑的氧化铝烧结过程,通过大量实验,验证了烧成带温度的软测量结果与实测值的拟合优度达到0.927,表明了该方法具有很强的实用性和准确性.     

基于微分信息的ARMAD-GARCH股价预测模型

ARMA-GARCH模型进行股票价格收益预测时,只考虑了滞后历史数据所包含的信息,而对于在每个滞后时间点的变化趋势信息却未纳入计算模型进行统一考虑,在一定程度上影响了模型分析时序数据时的泛化能力.本文提出了一种基于微分信息的ARMAD-GARCH模型,在包含传统ARMA-GARCH模型对因变量的滞后值以及残差滞后值进行线性回归的基础之上,又在条件均值方程中增加了因变量滞后值的近似微分信息,用以融合股票价格变化趋势信息,提高预测模型对于价格演变方向的判别能力.通过对于不同市场综合股指收益率数据的实证研究表明,ARMADGAR,CH模型在数据除噪,趋势判别以及预测精确度等方面均优于一般的ARMA-GARCH模型.     

基于广义指数预报因子的石油价格预测模型

提出了两种基于广义指数预报因子模型的石油价格预测方法.该方法使用拟合期内的样本,在不同准则下选取有限个不同参数的EWMA的线性组合,作为油价的预报因子.实证分析显示,该方法的预报结果比文献中已有的结果要准确.     

基于优选模型的季度国际油价预测系统构建

构建了一个以优选模型为基础的季度油价预测系统.系统不仅依靠模型和内部专家,同时以外部专家的预测值作为参考.系统将优选模型与外部专家的预测值集成后,由内部专家根据掌握的信息和经验,对结果进行综合集成,得到油价预测值.研究发现,基于时差相关的多元回归模型比误差修正模型和带外生变量的误差修正模型更适合预测季度油价.系统通过对模型的优选和对专家的评价,使效果更好的预测值作为集成预测的基础.实际工作中已被中石化和外汇管理局市场预期调查系统所参考,预测精度在市场预期调查系统各成员单位中处于领先水平.     

SVR在传感器故障诊断中的仿真研究

利用回归型支持向量机(Support vector regression，SVR)，设计了一个传感器故障诊断系统。对SVR采用离线训练，在线应用的方法。使用训练好的SVR模拟系统的动态特性，并将输出结果和实际系统输出相比较，从而生成故障残差。仿真结果表明，SVR能够高精度的模拟系统的动态特性，进而生成较高精度的故障残差，有效地保证了传感器故障诊断的准确性。     

Hull-White模型和二叉树模型在预测油价及油价波动风险上的应用

油价的预测向来是一项具有重要意义而又艰巨的课题. 利用Hull-White模型对油价波动进行预测是一种有意义的尝试, 在尝试过程中, 发现其在实际应用中的缺陷, 之后利用二叉树模型对Hull-White模型做了改进, 并以1986年1月3日至2010年2月12日共一千两百多周的周油价数据作为参考值, 用定量的方法分析了改进模型的应用, 从结果可以看出, Hull-White模型和改进模型都能够有效预测油价的波动范围, 但是, 改进模型在预测油价波动范围上与原先的Hull-White模型相比有更好的效果, 并且具有优势.