综合周期、均值回复和跳跃特性的BDI指数预测研究

BDI指数的预测对于航运市场经营管理具有重要地指导作用。本研究构建了基于周期、均值回复和跳跃特性的BDI指数O-U随机预测模型,主要创新点有：一是分析了BDI指数的周期、均值回复以及跳跃特性,将该三大特性纳入BDI指数随机预测模型,有效提升了BDI指数预测理论科学性。二是借助O-U随机过程,建立了基于周期、均值回复以及跳跃特性BDI指数预测模型,同时,利用Fourier级数函数估计周期参数,借助一阶自回归估计均值回复参数,以及Gamma分布和双指数分布来估计跳跃参数,解决了参数较多、估计难度较大的问题。三是采集2013年-2015年BDI指数日数据进行拟合,并借助蒙特卡罗方法对2016年上半年BDI指数开展了预测,结果表明本模型预测精确度较高。     

基于VMD-WA-RFR模型的BDI指数影响因素研究

本文全面考虑BDI指数不同类型的影响因素,将影响因素划分为供给方面、需求方面以及宏观经济三种类型,采用基于VMD分解、小波分析与随机森林回归算法构建的VMD-WA-RF模型,综合分析各影响因素与BDI指数的关系,增强了BDI指数影响因素分析的数学理论。进一步的研究发现：一是,借助VMD-WA-RF模型能够得出BDI指数影响因素的重要性排名,有助于有针对性的调节航运市场;二是,能够得出最重要的五个影响因素分别对BDI指数的影响程度,科学地找出能够迅速调节当前航运市场最有效的方案;三是,通过随机森林回归模型,对BDI指数进行预测,表明本模型预测的精确度较高。     

基于O-U模型的天气衍生品定价研究——以气温期权为例

天气衍生品(Weather Derivatives)作为一项国外金融创新产品,为天气风险管理和转移提供了新途径,其中产品定价是该领域研究核心问题之一。本文以O-U模型为基础,采用时间序列建模方法,分析了上海1951～2010年气温的动态变化,对模型参数进行估计,并检验了模型预测精确度。研究结果表明:O-U模型与时间序列建模相结合方法能够提高气温变动预测精确度,进而借助蒙特卡罗模拟方法,可以完成对天气期权产品的合理定价。     

基于改进指数平滑算法的气温预测研究

本文主要研究了基于改进指数平滑算法的气温预测问题。首先引入时间序列模型概念,对常用气温预测模型进行简要分析,另外对一阶指数平滑算法进行相关推导,同时提出了自适应指数平滑算法;其次,结合广西容县近30年月均气温实测数据,分别建立BP神经网络预测模型、传统指数平滑算法预测模型以及改进后的基于自适应指数平滑算法的预测模型,对2016年气温数据进行预测并分析模型优势;最后,将改进模型用于预测2017年和2018年中未知月份的月平均气温值,并针对实验结果进行数据分析修正。通过对不同预测模型的比较和仿真实验,结果表明基于自适应指数平滑算法的气温预测模型预测精度较高,实用性强,具有一定的推广性。     

基于EWMA-VaR的企业整体现金流量预测模型

在指数平滑法和VaR方法基础上，以预测企业现金流量为目标，以现金流量波动为约束条件，建立基于EWMA-VaR的企业整体现金流量预测模型。本模型的特点一是对企业整体现金流量逐年进行预测。得出预测现金流量的均值，提高现金流量的预测精度。二是建立了企业整体现金流量风险约束条件，为企业财务风险规避提供依据。三是建立整体现金流量预测区间，使企业更好地做出财务决策。     

应用罚函数方法构建广义指数因子预报模型——黄金价格预测的实证分析

采用不同的损失函数和罚函数构建了广义指数预报因子模型,用该模型来预测国际黄金价格.构建方法包括:1)岭估计方法;2)基于L1、L2以及二者结合的损失函数LM,利用LASSO和SCAD 2种罚函数选取不同参数EWMA的线性组合作为预报因子.实证检验表明,该方法构建的模型有效改进了单参数EWMA预测模型,其预测精度优于已有方法.     

连接BDI指数的船舶融资租赁区间积息互换

连接航运指数船舶融资租赁区间积息互换是航运企业一种财务风险管理创新模式,在当前航运背景下具有潜在的广泛应用价值,因此本文围绕连接航运指数船舶融资租赁区间积息互换展开研究。首先,结合利率互换理论和该模式特征,提出了连接BDI指数的船舶融资租赁区间积息互换框架和无套利中性定价理论;其次,借助随机过程方法,构建了BDI指数和利率走势双随机情景模拟下、连接BDI指数的船舶融资租赁区间积息互换模型,并给出了蒙特卡罗法模拟求解步骤。最后,采用实例进行了模型验证和情景分析,结果表明本文建立的连接BDI指数的船舶融资租赁区间积息互换模型可靠性较好,更贴近实际情况。     

阈值协整参数的完全修正最小二乘估计的小样本性质

本文应用FM-OLS来估计阈值协整参数,并利用Monte-Carlo模拟详细研究了其小样本性质,结果表明FM-OLS法能修正OLS估计的小样本偏差,且数据过程的持久性(均值回复速度)、随机干扰项与解释变量的相关程度以及样本容量是影响FM-OLS小样本性质的主要因素.模拟结果还表明不论是阈值协整还是线性协整,FM-OLS都比OLS估计具有明显优势,因此在宏观经济协整分析中,利用FM-OLS法能获得较准确的参数估计,同时还可以利用标准分布对协整参数进行Wald检验.     

铁路客运量的神经网络与遗传算法优化预测

铁路客运量是铁路建设的主要依据来源,它直接影响铁路建设的经济效益和资源配置。传统的铁路客运量的预测方法是基于专家估计或线性化后预测的,具有一定的局限性。基于神经网络和遗传算法理论,提出了一种遗传算法优化的RBF神经网络铁路客运量预测模型,采用遗传算法优化RBF网络权值和相应参数,确定全局最优值,然后训练RBF神经网络得到最优解,最终形成GA-RBF预测模型。实验结果表明GA-RBF预测模型优于传统的RBF预测模型,训练速度和预测精度显著提高。     

甚低频电磁波在地-电离层波导中的场强预测

甚低频电波传播特性分析与预测是提高甚低频导航/授时系统精度的关键。本文基于甚低频电磁波在"地-电离层"波导中的传播理论,结合IRI模型和NRLMSISE-00大气模型以及传播矩阵方法,构建了甚低频电波传播场强实时预测模型。对比了不同电离层模型间的差异以及电离层参数的时变特性,仿真预测了接收点场强及其日变化情况,并与文献实测结果进行了比较。计算结果表明:本文预测结果与实测数据吻合较好,较采用电离层指数模型的传统解析方法精度得到明显提升,可更有效地反映接收点场强的时变特性。     

天气预测与天气衍生产品定价研究

建立天气衍生产品交易对于对冲天气风险，增加市场金融投资品种具有重要意义。本文主要参照均值回复模型，考虑气温的季节变化和长期趋势，建立反映气温变化的随机模型，应用1980至1999年北京日平均气温对模型参数进行估计。实证仿真以及模型验证结果表明，模型的相对误差较小，建立的气温随机模型能够对未来气温变化进行较好的模拟，蒙特卡罗方法能够对天气衍生产品进行合理定价。     

季节周期预测法计算机预测程序

本篇给出了两种不同的季节周期方法的计算和预测程序。程序用 FORTRAN 语言编制.一、季节指数法(1)季节指数法(1)的基本思路是,首先分离出不含季节周期波动的长期趋势,再计算季节指数,最后建立预测模型 y_t=(a bt)·F;并用于预测.(一)数学模型说明     

一种基于知觉加权的基音预测算法

基音周期是语音信号中最重要的参数之一,基音周期预测的准确程度直接影响语音的音调。本文根据听觉掩蔽原理,把知觉加权与自相关法求基音周期的方法相结合,得出一种基于知觉加权的基音预测算法。文中介绍了该算法的基本原理并对该算法进行了仿真,仿真结果表明该算法具有较好的基音估计性能。     

浅析BDI指数与我校交通运输专业就业关系

武汉理工大学交通运输专业主要就业方向为国际航运业。文章通过对国际航运业中重要指数—指数——BDI和该校交通运输专业就业情况的分析研究,发现BDI指数与交通运输专业就业两者之间存在正相关关系。通过对BDI指数的合理预测,为交通运输专业的就业提出了建议和意见,以期能够帮助该专业学生就业。     

国际碳排放期权套期保值分析:以EU ETS为例

运用随机扩散模型研究EU ETS碳排放期货交易的套期保值。利用欧洲气候交易所(ECX)交易的欧盟排放配额(EUA)期权数据估计Black-Scholes、Heston模型和跳跃扩散模型参数,比较随机波动模型、BS模型和跳跃扩散模型拟合市场EUA期权价格、隐含波动率误差。实证研究表明:Heston随机波动模型更好地刻画EUA期权数据特征;最后给出DEC10期权合约基于Heston模型的套期保值曲面。     

股票价格的回归——马氏链分析与预测

本文将随机时间序列分解成趋势变动序列和马尔可夫链，建立了回归—马尔可夫组合预测模型，并对此模型编制成通用计算机程序，以此预测股票价格取到某个区间的概率分布、平稳分布，股票价格的均值以及股票价格的平均涨落时间     

随机利率下有红利支付的欧式期权定价

本文讨论了在利率模型为Vasicek利率模型下,股票价格选择了遵循反应股票预期收益率波动变化指数O-U过程模型,在风险中性的假设前提下,利用Girsanov定理找到指数O-U过程模型的唯一等价鞅测度,利用金融数学及随机分析中的相关知识,得到了在考虑红利支付的条件下欧式看涨和看跌期权的定价公式。     

江苏省电力需求的短期预测

为了促进江苏省经济的持续稳定增长,运用霍尔特双参数指数平滑模型,GM（1,1）模型以及组合预测模型对江苏省的电力需求进行预测,并分析预测值与实际值的误差和相对误差,选出了最优模型,根据最优模型对江苏省2010-2014年的电力需求进行预测。     

非参数局部线性估计方法及对中国股市杠杆效应的实证分析

介绍非参数局部线性估计理论,以上证综合指数和深证成份指数2001年12月28日—2007年12月28日的每日收盘价对数收益率为样本,运用非参数变窗宽局部线性估计方法对中国股票市场波动率的非对称性作了实证研究：在样本周期内,中国的股票市场存在杠杆效应。     

基于SPSS的指数平滑模型及实例

指数平滑模型是一类重要的预测模型,能够广泛应用于多个科学领域,具有较高的应用价值。本文介绍了在时序值含有不同的水平项、趋势项、季节因子等数据特征时,基于SPSS软件的七种指数平滑模型。最后通过对2020年第四季度以及2021三个季度的全国国内旅游人次数据进行实际预测分析来验证指数平滑模型预测结果的准确性与高效性,并探讨了模型重要的应用价值。