GARCH型相关过程及其质量控制图

化工等连续生产过程，质量指标常常表现出自相关性，违返了常规控制图的独立性假定，一般的修正方法都是基于ARMA模型表示质量过程，本文应用GARCH时间序列模型，建立了GARCH型自相关的质量过程，并提出了GARCH型控制图，为条件异方差的质量自相关过程控制提供了处理工具，可以解决实际工作中因设备，原材料或操作因素等使质量波动幅度变化的过程控制问题。     

基于ARIMA模型的黄金价格实证分析

本研究以2011年10月至2014年2月的上海黄金交易所黄金Au100g每日的加权平均价为例,以时间序列的相关理论为基础,建立ARIMA(2,1,0)模型对黄金价格的走势进行实证分析,并对2014年3月至2014年5月的数据进行短期预测.实验结果表明,ARIMA(2,1,0)模型能够比较准确地刻画黄金价格的动态走势,这为中国黄金投资者更好地预测黄金市场的行情提供了一个可行的方法,也为他们理性地投资黄金提供了一个理论依据.     

基于GARCH模型的上证指数实证分析

在对GARCH模型进行探究的基础上,针对上证指数收益率的波动特征进行GARCH建模,最后通过对所得模型结果的分析得出了我国股市与其他发达国家的股市具有一些共同的地方,即我国的上证指数收益率序列具有显著的异方差特征,且收益率波动的大小与其自身过去的波动大小有非常明显的关系,因此说我国的大盘指数也可以采用GARCH模型来进行拟合和解释。     

基于GARCH族模型的黄金价格收益率拟合分析及波动性研究

运用GARCH族模型对黄金9999近6年的1 500个收盘价数据进行拟合分析。根据数据的正态性检验、ARCH效应检验以及根据AIC准则对模型进行筛选,发现EGARCH(3,3)模型对黄金现货价格的日对数收益率拟合效果最好。通过模型分析可知我国黄金市场存在非对称性现象,坏消息传来时黄金收益率受到的冲击更大。     

基于半参数GARCH模型的上证指数实证分析

以上证综合指数2006-01-02-2012-12-31的每日收盘价对数收益率为样本,运用半参数GARCH模型对其波动性进行研究,并与参数GARCH模型进行比较,凸显出了半参数模型的优良性.     

基于小波分析和GARCH模型的人民币汇率实证研究

文章把小波多分辨分析理论和去噪理论引入人民币/港元汇率时间序列,通过小波理论对时间序列进行了滤波去噪.然后建立了AR(1)-GARCH(1,1)拟合模型,同时检验了其波动序列不具有明显的杠杆效应,其标准抖动序列服从正态分布.最后说明结合小波滤波去噪后,提高了对波动率的预测精度.     

GARCH模型的实证研究

本文通过对上证综指收益率序列的实证分析,发现其具有明显的群集聚集性、波动性、尖峰厚尾的特征,并应用GARCH及其扩展模型对该序列进行建模分析,发现GARCH模型可以较好的消除金融时间序列的异方差性,同时发现,GARCH-t的拟合效果更好一些。     

基于GARCH模型和BP神经网络模型的股票价格预测实证分析

采用GARCH模型和BP神经网络模型,利用上海A股30支股票(6类,每类各5支)2015年6月29日至2017年6月30日的日收盘价,分别进行短期(2017年7月3日至7日)、中期(2017年8月14日至18日)和长期(2017年9月25日至29日)预测.结果表明:在短期预测中,无论是否考虑当日价格波动对预测结果的影响,2个模型的每日与一周总体预测效果的差异均不具有统计学意义(P 0.05);在中期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P 0.01),不考虑当日价格波动时每日预测效果的差异具有统计学意义(0.01 P 0.05),考虑价格波动时每日预测中有3日预测效果的差异不具有统计学意义(P 0.05),有2日预测效果的差异具有统计学意义(0.01 P 0.05);在长期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P 0.01),每日预测效果的差异不具有统计学意义(P 0.05);随着预测周期的延后,预测误差逐渐增大.     

基于GARCH模型的沪深股市分析

利用我国沪深股市2007年7月1日至2010年7月1日的收盘指数,对沪深股市的波动性、收益率及其相关性进行了实证分析研究。研究表明,沪深两市具有明显的GARCH效应,而且两市之间具有联动性。     

基于BP神经网络的黄金价格预测分析

利用BP神经网络建立黄金价格的非线性预测模型,实验结果表明,该网络有较好的预测精度。同时,提出了对于BP神经网络在作为价格预测模型时的一些优化意见与建议。     

基于休哈特控制图的制造过程质量监控系统

介绍了一种基于休哈特控制图的工业现场质量监控系统,并阐述了系统软、硬件的设计思想和实现方法.在现场利用控制图监控生产过程,调查生产过程的状态,了解工序能力是否适宜,实现了预防为主的思想.该系统可实现现场实时数据采集和质量控制的自动化.     

基于GARCH模型的股票买卖时机分析

通过对股票收盘价格的历史数据进行处理分析,建立GARCH模型,此模型较好的描述股票价格的条件异方差性,同时用此方法对股票价格进行拟合和预测,利用预测数据分析股票较好的买卖时机.     

基于GARCH模型的股票波动性分析

对于高频金融数据,模型回归后得到残差序列的方差衡量了投资的风险程度,一直以来是人们关注的焦点。通常情况下,残差平方项之间存在一定的正相关性,这就是股票市场波动性的集群现象。本文主要运用GARCH类模型对这种现象进行分析,并选取能够对数据作出最优拟合的模型。     

基于修正GARCH模型的中国股市周内效应实证研究

运用总样本区间（1996～2009年）上证综指和深证成指数据,同时以合格境外投资者制度（QFII）实施为分界点,前后分为两个子样本区间（1996～2002年和2002～2009年）,采用修正GARCH模型分别研究三个样本区间中国股市周内效应特征。研究结果表明：1）在不同的样本区间中,中国股市收益率和波动率均存在周内效应;2）中国股市收益率和波动率周内效应在不同的样本区间：表现并不一致,前子样本区间沪深股市收益率和波动率存在更加显著的周内效应。     

基于ARFIMA-GARCH模型的黄金价格分析及预测

通过对上海黄金交易所现货黄金Au99.95品种2007年1月4日到2014年2月28日共1736个交易日的收盘价格的研究,发现上海黄金交易所黄金收益率序列具有长期记忆性,其残差具有明显的波动集聚性。利用时间序列的相关理论,并通过EVIEWS6.0及MATLAB软件对序列进行分析,建立ARFIMA-GARCH模型,此模型反映了黄金收益率序列的长记忆性和波动集聚性,并对黄金收益率序列进行预测。结果显示,预测结果与实际价格拟合度高,预测误差较小。该模型可以更加准确地描述黄金价格序列的动态特征,通过此模型可以使黄金投资者和生产者更加了解黄金价格序列的特点。     

多变量过程监控的D控制图

针对如何将大数据技术与传统的多元控制图相结合,以获得一个具有自学习性的控制图的问题,以支持向量数据描述(SVDD)为构建基础,提出一个基于支持向量数据描述的D控制图.该D控制图通过对在控数据的学习,自适应地构建出自己的监控模型.仿真实验及工业实例表明:D控制图在多变量制造过程中的表现优于T²控制图,是一个理想的监控模型.     

GARCH族模型在我国沪市指数上的实证分析

波动性是股票市场的一大显著特征.文章以市场指数本身作为研究对象,选用广泛应用的GARCH族模型来研究上证综指的波动性.在对我国上证综指的波动建模中,主要采用伪最大似然估计,并通过短期与长期的预测绩效评价,确定指数GARCH(EGARCH)为上证综指长期波动的最优预测模型。     

基于GARCH类模型和BP神经网络的量价关系实证研究

作者以量价关系相关理论为基础,使用EGARCH模型和BP神经网络对中国股市的量价关系进行了实证研究.EGARCH模型的参数估计结果显示加入交易量的模型更优.然后作者得到了上证指数的如下量价关系特征:非预期成交量与股市波动性之间存在较强的正相关关系且我国股市收益率的波动存在明显的"杠杆效应".因而加入交易量的BP模型具有更小的均方误差.     

基于GARCH模型的股票指数收益率波动性分析

我国沪深股市相似的结构和监管环境使得两市的收益率和波动性之间具有相互作用和影响.所以可以运用ARCH模型和GARCH模型,通过研究股票指数的波动,发现我国股票市场上下波动的不一致性,即利空消息比利多消息更加具有影响力;股票市场都存在明显的GARCH-M效应;且发现上海股票市场投资者的风险厌恶程度高于深圳市场投资者;深圳市场的股票波动会影响上海市场的的波动.据此提出了要健全股票市场信息披露制度、加强证券市场化和对投资者进行理性教育的建议.     

基于四分图模型的电力客户服务实证分析

将四分图模型应用于电力客户服务评价领域,构建电力客户服务测评体系.通过问卷调查的方法对南京地区电力客户服务情况展开调研,确定各指标因素的重要度和满意度,据此构造四分图模型进行评价,指出南京地区电力客户服务因素中的优势因素、改进因素、机会因素和维持因素,并针对改进因素提出具体改进建议.