检索结果-内蒙古大学图书馆

河北企业 2017年第9期 66-67页

作者：马银戌闫亚鸥河北经贸大学

股票的价格序列是一个十分复杂的非线性动态系统,对投资者来说,如何准确分析股市行情,做出最优的投资决策,显得更加急迫;对中国股市的管理者来说,如何把握股市动态,使其健康、稳定的发展,也是一项艰巨的任务。本文选取2006—2015年的上... 详细信息

股票的价格序列是一个十分复杂的非线性动态系统,对投资者来说,如何准确分析股市行情,做出最优的投资决策,显得更加急迫;对中国股市的管理者来说,如何把握股市动态,使其健康、稳定的发展,也是一项艰巨的任务。本文选取2006—2015年的上证指数周收盘价的数据,计算股票对数收益率,通过对时间序列分析理论的实证研究分析,建立上证指数的GARCH模型和arfima模型;进而对两种模型进行预测并比较,来说明时间序列分析的方法对拟合股票价格趋势的质量效果。

关键词：股票市场特征 GARCH模型 arfima模型趋势预测

来源：评论

学校读者我要写书评

暂无评论

基于R/S检验、arfima模型和小波方差的人民币汇率长记忆性检验

引用

武汉科技大学学报 2011年第2期34卷 157-160页

作者：朱新玲黎鹏武汉科技大学管理学院湖北武汉430081 中南民族大学经济学院湖北武汉430074

分别应用R/S检验、arfima模型和小波方差对人民币兑美元名义汇率收益率序列的长记忆性进行检验。根据R/S统计量计算出Hurst指数为0.573 745 1,采用arfima(2,d,1)模型对人民币汇率收益率序列进行拟合的效果比较好,其分数差分参数为0.145... 详细信息

分别应用R/S检验、arfima模型和小波方差对人民币兑美元名义汇率收益率序列的长记忆性进行检验。根据R/S统计量计算出Hurst指数为0.573 745 1,采用arfima(2,d,1)模型对人民币汇率收益率序列进行拟合的效果比较好,其分数差分参数为0.145 7,利用Haar小波对人民币汇率波动绝对值收益率序列进行最大重复离散小波变换,得出其长记忆性参数为0.393 1。3种方法的研究结果均表明人民币兑美元名义汇率收益率序列存在长记忆性。

关键词：汇率波动长记忆性 R/S检验 arfima模型小波方差

来源：评论

学校读者我要写书评

暂无评论

基于arfima模型的钢材价格预测研究

引用

河北工程大学学报（自然科学版） 2020年第3期37卷 64-68页

作者：陈雪申建红徐文慧朱琛青岛理工大学管理工程学院山东青岛266520 山东省高校智慧城市建设管理研究中心山东青岛266520

钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的arfima钢材价格预测模型,以青岛市2014年1月到2... 详细信息

钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的arfima钢材价格预测模型,以青岛市2014年1月到2019年6月螺纹钢的价格为研究对象进行了钢材价格预测,并利用arfima模型和ARIMA模型的预测值与真实值进行对比分析,实验结果显示:arfima模型较ARIMA模型的钢材价格预测精准度提高了1.7%,且预测效果更稳定。

关键词：钢材价格预测 arfima模型时间序列长记忆性

来源：评论

学校读者我要写书评

暂无评论

平稳的arfima模型中参数的Whittle估计的纠偏

引用

山西大同大学学报（自然科学版） 2021年第4期37卷 22-24,113页

作者：张秀珍孟献青山西大同大学数学与统计学院山西大同037009

Whittle估计在时间序列分析中虽然是一种被广泛应用的频域方法,但这种方法下产生的参数估计往往具有较大偏差。基于Whittle估计给出arfima模型中参数估计的三种纠偏方法。数值模拟证实了给出的方法有效地减小了估计的偏差。

关键词： Whittle估计 arfima模型刀切法

来源：评论

学校读者我要写书评

暂无评论

基于arfima模型的尼罗河年度流量的研究

引用

纳税 2017年第24期 135-135页

作者：张彤西安财经学院

本文通过研究尼罗河100年的年度流量数据,分别建立了ARMA模型和ARIMA模型,发现该序列具有一定的长记忆性,故又建立了arfima模型。而且对三个模型的拟合结果分析得出:该模型解决了Nile序列中的长记忆特性,让其表现得较为平稳,但最终的结... 详细信息

本文通过研究尼罗河100年的年度流量数据,分别建立了ARMA模型和ARIMA模型,发现该序列具有一定的长记忆性,故又建立了arfima模型。而且对三个模型的拟合结果分析得出:该模型解决了Nile序列中的长记忆特性,让其表现得较为平稳,但最终的结果与ARIMA模型有较为相似的结论。

关键词： ARMA模型 ARIMA模型长记忆性 arfima模型

来源：评论

学校读者我要写书评

暂无评论

基于“已实现”波动率的GARCH和arfima模型预测能力比较研究

引用

现代商业 2007年第17期 39-39页

作者：刘洋王欣欣东北大学工商管理学院 110004

通过基于“已实现”波动率,对上证综合指数收益波动基本统计特性进行分析。结果表明基于“已实现”波动率的arfima组模型的预测能力要明显优于GARCH模型,对数“已实现”波动率的arfima模型预测能力最好。

关键词： “已实现”波动率 GARCH模型 arfima模型

来源：评论

学校读者我要写书评

暂无评论

基于PCA的arfima-GARCH油价预测模型研究

基于PCA的ARFIMA-GARCH油价预测模型研究

引用

作者：王文超天津大学

学位级别：硕士

进入二十世纪之后,国际原油价格变动趋势愈发复杂,变动规律更加难以识别,对国际原油市场进行建模变得更加困难。而此时,这建模和研究的必要性却变得更加迫切。随着我国经济飞速发展,能源需求与日俱增,渐渐地,以下两方面的问题浮出水面:... 详细信息

进入二十世纪之后,国际原油价格变动趋势愈发复杂,变动规律更加难以识别,对国际原油市场进行建模变得更加困难。而此时,这建模和研究的必要性却变得更加迫切。随着我国经济飞速发展,能源需求与日俱增,渐渐地,以下两方面的问题浮出水面:方面,国际原油价格波动剧烈,使得石油化工企业和交通运输业受到严重威胁;另方面,我国进口原油依存度较高,油价的波动不但影响经济发展,而且在地缘政治意义和市场话语权方面也会产生深远影响。多方面因素综合,最后将国际原油价格推到了风口浪尖上,再次成为各国专家学者争相研究和分析的对象。基于以上背景,本文以国际原油价格预测为研究对象,首先分析了国际原油价格波动对我国经济的影响;然后从影响因素研究和预测模型研究两方面,回溯国际原油价格的研究历史,广泛查阅相关资料和文献并进行总结和概括。经分析,在现有研究中,影响因素的筛选是非常局限的,真实世界的因果关系是复杂的,所选变量在所研究范围内的代表性值得怀疑;而现有研究在应用时间序列模型时,只考虑因变量自身的时间序列特征,没有加入外生影响因素,模型所含信息不足。针对以上问题,本文先对包含有16个变量的变量群进行主成分分析,提取四个主成分。这既避免了多重共线性问题,又综合了多个变量的信息,使模型所含信息更丰富;然后考虑到金融时间序列的异方差性和长记忆性特征,本文将四个主成分与GARCH模型和arfima模型相结合,得到基于PCA的arfima-GARCH油价预测模型。最后,研究结果表明,在综合PCA、arfima和GARCH几种方法后,预测效果得到明显改进,本研究较成功。

关键词：国际原油价格主成分分析 arfima模型 GARCH模型

来源：评论

学校读者我要写书评

暂无评论

基于arfima混合模型的短时交通流预测研究

基于ARFIMA混合模型的短时交通流预测研究

引用

作者：靳小飞华中科技大学

学位级别：硕士

随着我国中国梦的提出以及脱贫攻坚工作的开展,我国的人民生活水平、社会发展程度以及综合国力都得到了进一步的提高和增强,机动车的数量也随之增加。但是由于道路建设水平、停车基础设施以及交通控制管理等方面的发展跟不上机动车保有... 详细信息

随着我国中国梦的提出以及脱贫攻坚工作的开展,我国的人民生活水平、社会发展程度以及综合国力都得到了进一步的提高和增强,机动车的数量也随之增加。但是由于道路建设水平、停车基础设施以及交通控制管理等方面的发展跟不上机动车保有量的增加,产生了极大的矛盾,引起了很多交通问题。目前解决交通问题最现实和有效的方法是利用现代智能互联网技术和智能交通系统加强交通控制和诱导,而其关键在于对交通流的状态进行精准的把握,而短时交通流预测正是我们研究交通流状态最有效的途径。基于这种重要性,本文主要对短时交通流的预测进行研究。首先,论文首次将自回归分数整合移动平均(arfima)模型应用于短时交通流预测当中。arfima模型对现有时间序列模型的进一步的改进,其主要探究了相距较远的序列值之间存在的影响关系,即序列的长期记忆性。研究结果表明该模型可以适用于短时交通流预测。其次,本文通过非线性自回归(NAR)动态神经网络对短时交通流进行预测,并将预测结果作为对比项。之后针对交通流时间序列当中存在的线性成分和非线性成分,采用将arfima模型与NAR神经网络模型进行结合组成混合模型的方式来对交通流进行研究。最后分析和比较三种模型的预测结果,结果证实混合模型的各项指标和结果都是最优的。短时交通流预测可以帮助出行者提前做好路径规划,避免拥堵,提升出行体验,进而缓解由交通拥堵而引起的各种社会问题,使我们在交通系统中占据主导地位,对于最大化的发挥路网性能、解决城市交通问题具有重要意义。

关键词：短时交通流预测 arfima模型 NAR神经网络混合模型长期记忆性

来源：评论

学校读者我要写书评

暂无评论

基于arfima-GARCH-LSTM混合模型的股价预测研究

基于ARFIMA-GARCH-LSTM混合模型的股价预测研究

引用

作者：汪妍上海师范大学

学位级别：硕士

近年来,随着计算机技术的快速发展,人工智能和深度学习等技术发展也逐渐趋于成熟,除了被用于原本的计算机领域外,也开始被广泛地应用于其他领域,如金融、医学领域。对于其他领域的一些原有的研究方法也因计算机技术的兴起带来了极大的冲... 详细信息

近年来,随着计算机技术的快速发展,人工智能和深度学习等技术发展也逐渐趋于成熟,除了被用于原本的计算机领域外,也开始被广泛地应用于其他领域,如金融、医学领域。对于其他领域的一些原有的研究方法也因计算机技术的兴起带来了极大的冲击,虽说不论是深度学习还是原来的一些传统的计量模型,都是不同模型在一些特定场合下的运用,都是用来描述和刻画数据的。但还是因为这些新兴技术的出现解决了许多领域中用原始陈旧的模型所无法解决的难点,推动了各个领域的向前发展。在金融领域中,深度学习多被应用于股票市场的价格变动预测研究。这也是由于金融时间序列数据较一般的数据而言,更为复杂,同时具有线性和非线性成分,而传统的计量模型只能对数据的线性部分进行处理。深度学习模型的出现恰好弥补了传统模型不足,能对数据的非线性成分进行很好的预测处理。基于此,将传统计量模型与深度学习模型相结合,混合能够同时取其两类模型的优点,能够同时提取并处理复杂的金融数据中的线性和非线性的成分,理论上来说是可以取得比使用单一模型更加精准的预测效果。本文选取的研究样本是沪深300指数几乎全部的收盘价数据,从2002年到2021年。在进行建立模型时,考虑到金融数据,尤其是股票市场的数据,很大的可能会存在长期记忆性,因此本文考虑先用arfima模型进行建模,最后再使用新兴的LSTM模型对研究样本序列的后20%的数据进行预测,正好可以将金融领域中的新老模型做一个预测效果的对比。最后再利用两者之间的混合模型对数据进行预测,通过预测性能指标对比几个模型的预测效果,研究结果表明:(1)基于传统计量模型对股价指数进行预测对比,实验结果发现较ARIMA-GARCH模型而言,arfima-GARCH具有更好的预测效果;(2)用非线性神经网络LSTM模型进行预测,使用LASSO法对变量进行筛选,保留四个与预测数据相关性最强的变量进行建模,并将其预测效果与传统的arfima-GARCH模型进行对比,发现前者的预测效果更好;(3)将模型arfima-GARCH与LSTM进行组合,发现两者的混合模型预测效果才是全文最优的;(4)研究混合模型的组合方式对模型预测精度的影响,基于arfima-GARCH模型和LSTM神经网络的混合,本文选取串联和并联两种不同的组合方式,对模型进行预测,结果表明串联方式下混合模型的预测效果要优于并联方式,因此在实际的研究中,需根据预测性能指标选出合适的混合方式。

关键词：股指预测 arfima模型 GARCH模型 LSTM模型

来源：评论

学校读者我要写书评

暂无评论

基于arfima-GRACH-SVM模型的股指预测研究

基于ARFIMA-GRACH-SVM模型的股指预测研究

引用

作者：彭宇灿山东大学

学位级别：硕士

自1990年Peters提出分形市场假说,对金融时间序列非线性的研究就从未停过,其中就包含长记忆性和条件异方差性的研究。这些研究中得到的非线性模型,使得学者们可以解决一些传统时间序列方法无法解决的问题。另外,随着计算机的不断发展,... 详细信息

自1990年Peters提出分形市场假说,对金融时间序列非线性的研究就从未停过,其中就包含长记忆性和条件异方差性的研究。这些研究中得到的非线性模型,使得学者们可以解决一些传统时间序列方法无法解决的问题。另外,随着计算机的不断发展,大量学者将机器学习应用到金融数据的预测当中。在2020年,世界金融市场受到了新冠疫情的剧烈冲击。美国作为世界金融中心,在3月的时候,其股票触发了 4次熔断。这一系列的震荡对中国股市也产生了一定程度的影响。而股市是一个国家经济的晴雨表,因此正确判断股市动向对于普通投资者和国家监管机构都十分重要。本文使用经验模态分解算法,将数据分解为波动部分和趋势部分,并用非线性时间序列模型和含有外部变量的机器学习模型建立估值模型,以期望取得更好的预测效果。本文可分为七个部分,第一章主要介绍各个模型在金融中的发展与应用;第二、三、四、五章详细介绍本文需要的理论知识、模型方法、建模步骤以及优化准则;第六章是本文实证部分,分别对沪深300和中证500采用线性组合和支持向量机组合的方式建立基于arfima-GARCH-SVM的组合预测模型,并与单一arfima模型和arfima-GARCH模型作比较;第七章是对本文模型的总结和展望。本文的创新点在于通过EMD方法分解数据,并结合arfima模型,以达到在减少差分阶数的同时,过滤数据噪声的目的,最大限度利用数据中的信息,再使用支持向量机的方式对GARCH模型的波动方向进行估计从而减少传统arfima-GARCH模型波动的随机性,在过往的研究中很少有相关文献同时使用这四个方法;另外本文的组合方式使用的是机器学习方法通过非线性的方式处理GARCH模型预测值需要乘以的随机数,以期望减小误差;再者,对于在SVM模型中使用外部变量进行多步预测的问题,本文采用了建立多个模型进行处理。最终本文从各模型的比较结果中发现,数据表现出较强非线性时,使用SVM进行组合的组合模型模型能够对前面各个部分的预测结果进行修正,并且预测结果明显好于仅进行线性组合的组合模型。最后本文选用组合模型对疫情影响期间的股指进行短期预测,并利用组合模型和GARCH模型预测结果作为投资依据,对投资者提供可行性建议:本文建立的组合模型基本可靠,投资者可根据组合模型未来五天的预测值决定下一周的投资选择,但是当发现GARCH模型预测值较大时需要谨慎,由于波动较大,可能会使得组合模型失效。

关键词：股指预测 arfima模型 GARCH模型支持向量机经验模态分解

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：