一、关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法(论文文献综述)
章少林[1](2013)在《中美棉花期货市场比较分析 ——基于ARCH模型的实证研究》文中研究指明棉花是纺织工业最重要的原料,它在国民经济和人民生活中具有极其重要的地位与作用。早在20世纪70年代,中国棉花产量一直高居世界棉花总产量的第一位,由于当时在中国还没有建立棉花期货市场,使每年棉花产量波动较大,从而使棉花生产处于不稳定状态中,增加了市场风险,进而增加了国民经济发展中不稳定的因素。而在美国,棉花产量仅次于中国,由于美国较早地建立了棉花期货市场,并对棉花生产起到了稳定、促进和调节作用,因而每年棉花产量增减幅度较小。综合比较,美国棉花生产在稳定性强于中国,特别是发展趋势上是增长的。这也说明美国棉花期货市场对棉花产量的调节和促进作用是十分明显的。特别值得注意的是,美国棉花的期货价格已成为国际棉花市场的行情晴雨表,这显示了期货市场的巨大作用。自2004年6月1日郑州商品交易所正式推出棉花期货交易开始,在不到十年的发展时期后,中国的棉花期货市场交易量已经超越美国棉花期货市场成为全球最大的棉花期货市场。近几年来,不管从成交量还是持仓量来看,郑商所的棉花期货都成为世界前五大期货交易品种,国际影响力日益增加。在国内,棉花期货市场发展为棉花现货市场以及整个国民经济建设的发展都发挥了重要的作用,充分体现了期货的价格发现、规避风险和投资工具三大作用,很好的调节了棉花现货市场的价格、为棉花企业提供了有效的套期保值和规避风险的渠道,并成为投资者很好的投资工具,丰富完善了国内的资本市场。在国际棉花期货市场上有两个重要的棉花价格:一是纽约期货交易所的棉花期货价格,它是目前世界上一种非常具有引导作用的市场价格。二是英国利物浦棉花展望公司整理的CoflookA和CoflookB指数。但随着我国棉花产量与销量在国际市场中稳步上升,我国棉花市场期货价格在国际棉价中具有一定的国际地位,这是因为我国的棉花期货市场交易量影响着国际市场的棉花期货走势。因此,中美棉花期货市场形成的价格成为世界棉花市场最重要的两个价格,本文主要通过对中美棉花期货价格波动性实证研究分析得出中美棉花期货市场风险特征差异,这具有很大的现实重要意义。本文还主要介绍中美棉花期货市场,并对它们进行对比分析。本文通过ARCH模型分析中美棉花期货市场价格的日收益率序列波动性。结果表明中美期货市场具有较为明显的ARCH效应,由此可以得出以下结论:一是样本期内中美棉花期货日收益率时间系列均为非正态的对称分布、较正态分布尖峰厚尾,日收益率序列呈现波动集群性;二是检验结果表明我国棉花期货市场不存在显着的杠杆效应,而美国棉花期货市场存在显着的杠杆效应,相比之下,我国棉花期货收益率波动与美国成熟期货市场收益率波动的非对称相似,即“利空消息”具有更强的引致条件波动能力,这说明我国的投资者出于对风险的规避,往往对期货价格收益的下跌更为敏感,投资的风险意识不断地加强;三是将各种GARCH模型拟合效果进行对比分析,根据AIC和SC为最小的原则,发现EGARCH模型是拟合期货市场日收益率波动最好的一个模型;四是根据中美棉花期货市场的估计结果,发现各种GARCH模型的系数之和接近或大于1,说明外部冲击对期货市场波动的持续影响特征非常明显,具有很强的波动率持久性。从以上分析可以得出,我国棉花期货市场与美国之间主要存在以下四方面的差异:一是应对市场波动的灵活性方面;二是市场化程度方面;三是国际影响力方面;四是监管和风险管理制度。因此,只有充分发挥影响我国棉花期货市场的各个环节,才能有效地提高市场效率,提升参与投资棉花期货的机构与个人的信心。现针对我国棉花期货市场的实际状况,提出以下政策建议:棉花期货制度应注重市场的流动性;应加大棉花期货仓单串换能力;应在有效防范风险前提下,完善保证金等相关制度;建立棉花期货期权的多层次交易体系——期货、期权和期货的价差交易体系。
王桂红[2](2013)在《农产品市场价格web信息分析方法研究》文中提出近年来,我国农产品市场价格呈现的异常波动已成为社会关注的焦点。农产品价格波动不仅会对农民收入和农民生产积极性产生直接影响,更关乎百姓的日常生活和切身利益。为保持经济平稳健康发展、保障群众生活,稳定物价的宏观调控尤为重要。价格监测和预测是维持价格稳定的一个重要环节,精确地价格监测和低误预测是涉农科研工作者的一个重要研究方向。我国农产品市场价格Web信息分布广、更新快,迫切需要建立一套垂直搜索引擎系统实现定期抓取网络中农产品价格数据,迫切需要建立一个农产品价格分析、预测和监测平台,提供全面、清晰的分析结果。为政府部门管理人员提供生产调控、决策分析的依据,成为农民种植植物的决策依据,为农产品市场价格稳定做出积极的贡献。某些农网等价格信息网提供的农产品价格信息有数据单位不统一、产品名称不规范等问题,经过对分布在不同网站上的农产品市场价格数据的分析和总结,提出了规范产品名称、规范市场名称、初始化农产品类别、初始化省市、规范数据单位、去重策略选择和零价格数据处理7个数据规范化原则。研究了DOM树方式、正则表达式、HTMLParser提取网页文本信息,利用Heritrix等软件搭建了农产品市场价格垂直搜索引擎系统实现了抽取不同农网上的价格信息,经规范化后形成了统一、完整的SQL server农产品价格数据库。为进一步提高农产品市场价格预测精度,及时发现价格异常的农产品,选取了山西晋城绿欣农产品批发市场胡萝卜、白萝卜、大白菜、大葱、豆角、黄瓜、尖椒、韭菜、茄子、青椒、土豆、西红柿和油菜十三种农产品进行预测算法对比研究。在加权算术平均预测法中对比分析了5种权数设置方法,实验结果表明以当年价格为权数误差最低,优于其它权数设置方法,在平均数预测法中优于简单算术平均法;对比分析了时间序列非季节11种预测方法,研究结果表明二次曲线趋势延续法和龚伯兹曲线趋势延续法不适用于农产品价格预测,在简单算术平均法、加权算术平均法、时间序列平均增长量预测法、时间序列几何平均法、一次移动平均预测法、二次移动平均预测法、一次指数平滑法、二次指数平滑法和直线趋势延续法9种预测方法中二次移动平均预测法和二次指数平滑法误差低于其它预测方法,适用于农产品价格预测,在此基础上提出了一种改进的二次指数平滑预测法,二次指数平滑预测法中一次、二次平滑系数不同时,所有的误差平方和都小于或等于一次和二次平滑系数相同时的误差平方和。改进后的二次指数平滑预测法误差最低,优于末改进的二次指数平滑法,也优于二次移动平均预测法;对比了时间序列季节指数水平法和季节指数趋势法,从实验结果中可以看出,大多数农产品两种预测方法误差平方和相差很多,实际预测价格可以采用误差平方低的预测值;在价格异常农产品判定方面提出了从预测值与实际价格误差平方和历史误差2种排名方式,确定当月价格异常农产品和确定去年价格异常,今年价格仍然异常的农产品的判定方法。目前与农产品价格有关的信息网站大多只提供了原始价格信息显示,针对规划好的从不同网站抓取出的价格数据利用企业级工作平台MyEclipse开发出了农产品市场价格Web信息分析系统,实现了价格查询、价格分析、价格预测和价格监测等功能,价格分析功能包括价格走势、各省对比、品种对比、同比环比和市场对比,价格预测功能包括单值预测和趋势预测,各省对比包括某一天对比和某一段时间对比等,分析结果以折线图、柱形图或地图的形式显示,界面美观,功能实用。可满足农业管理部门、农业企业、农户准确掌握不同地区、不同农产品价格的变化动态与走势的需要。
李干琼[3](2012)在《SV因子分析框架下的农产品市场短期预测》文中进行了进一步梳理农产品市场价格事关民众生计和社会稳定。近年来中央一号文件和政府工作报告中多次提到要加强农产品市场监测预警工作,避免农产品市场价格大起大落。农产品市场短期价格受多种复杂因素的影响,使得短期波动加剧,市场短期风险凸显,价格预测难度加大。在我国当前市场主体尚不成熟、市场体系尚不健全、法制环境尚不完善等现状下,农业生产经营者由于难以对市场供求和价格变化做出准确预期,时常要面临和承担价格波动所带来的市场风险;农业行政管理部门也常常因缺少有效的市场价格短期走势的预判信息,难以采取有预见性的事前调控措施;消费者由于缺少权威信息的及时引导,在市场价格频繁波动中极易产生恐慌心理,从而加速价格波动的恶性循环。因此,开展农产品市场短期预测研究,对促进农业生产稳定、农民增收和农产品市场有效供给具有重要的理论和现实意义。本研究选择粮食、畜产品、蔬菜、水果等主要农产品为研究对象,以现代西方经济学、计量经济学、统计学、价格学等有关理论为指导,采用了非参数核密度估计法、H-P滤波法、基于ARCH类模型的风险价值法(VaR)、事件分析法(Event Study)、分位数回归技术、多层前馈神经网络技术、灰色模型法、向量自回归法(VAR)、非平稳时间序列法(SARIMA模型)、季节调整法(CencusX12法)、Holt-Winters法、组合预测法等12种研究方法,深入剖析影响农产品市场价格的强波动类因子(简称S因子)和易波动类因子(简称V因子),研究SV因子交织下的农产品市场价格波动规律,重点突破农产品市场短期预测技术,建立了基于不同信息、不同技术、不同目标的农产品市场价格短期预测模型,初步设计与实现了农产品市场价格智能预测系统。本研究主要开展了以下几个方面的创新性研究:(1)针对农产品市场价格影响因素复杂多样,提出了SV因子的框架分析法思想,开展了SV因子分析法的理论基础研究。本研究将农产品市场价格影响因子划分为强波动因子和易波动类因子,为异常市场波动早期预警提供了新视角;探讨了预测方法的五个发展阶段、农产品市场预测与相关学科的关系和农产品市场价格波动理论等内容。(2)开展了SV因子交织下的农产品市场价格波动研究。一是立足国内视角的常规经济因素和非经济性因素,以蔬菜为例的实证研究得出结论:Granger检验表明生产成本(化肥)、流动性过剩、热钱和气候等因素是蔬菜市场价格波动的原因。化肥价格的影响存在一定滞后期,长期协整向量为[1,-1.18]。流动性过剩(货币发行量)对蔬菜价格短期波动影响较为明显,货币发行量增长1%,蔬菜价格将上涨1.29%;其次为气候(气温)对蔬菜价格短期波动的影响,气温下降或上升1%,蔬菜价格将上涨或下跌0.08%;热钱对蔬菜短期价格波动影响很小。二是立足国际视角的农产品市场价格传导关系,以玉米和大豆为例的实证结果表明:Granger检验表明国际市场价格变动是国内市场价格变动的原因,反之则不成立,且国内玉米价格受国际市场的影响要小于国际大豆价格对国内大豆价格的影响;长期波动关系看,国内玉米价格与国际玉米价格的协整向量为[1,-0.61],国内大豆价格与国际大豆价格的协整向量为[1,-0.86];短期波动关系看,上一期国际玉米价格上涨1%,本期国内玉米价格将上涨0.07%,而国际大豆市场价格对国内大豆市场价格的影响是同步的,国际大豆当期价格上涨1%,国内大豆价格将上涨0.44%。(3)采用非参数核密度技术估计了11种蔬菜和12种水果市场收益率的概率密度分布,建立了基于ARCH类模型的农产品市场短期风险动态评估模型。采用核密度技术的估计结果表明:传统意义上的正态分布、Beta分布、Burr分布、Gamma分布等经验分布不是最优的;蔬菜和水果市场收益率的概率密度分布是不对称的,涨价风险要高于降价风险,且大多数蔬菜品种和水果品种的价格大起大落成为常态。以大豆和蔬菜为例,利用GARCH模型分别计算了大豆期货市场收益率的日度VaR和菠菜批发市场收益率的日度VaR、周度VaR、月度VaR,实证分析结果表明:基于GARCH模型计算的风险价值可以较好地反映市场收益率的分布和波动性两个因素,不仅刻画了市场收益率变化的动态过程,适应风险价值的需要,而且在很大程度上也提高了VaR的精度。(4)开展了基于S因子的农产品市场短期建模研究。针对突发性事件主导下的价格预测,在比较分析经典的事件分析法、基于虚拟变量的事件分析法和基于知识的事件分析法等三类方法的基础上,创新性的提出了突发事件的IPAD预测法框架,将事件分解为影响强度(Intensity)、持续时间(Persistence)、衰减模式(Attenuation model)和冲击方向(Direction)等4个要素。针对市场价格的非线性变化和不确定性,建立了多层前馈人工神经网络预测模型,研究结果表明对猪肉、鸡肉和鸡蛋的预测准确性在95%以上,对蔬菜和水果的预测准确性在90%以上。针对数据样本量小的问题,建立了灰色预测GM(1,1)模型,研究结果表明对猪肉、鸡肉和鸡蛋的预测准确性基本都在95%以上。(5)开展了基于V因子的农产品市场短期建模研究。在结构化模型研究方面,分别建立了均值回归预测模型和分位数回归预测模型,并对猪肉、鸡肉和鸡蛋等3种农产品进行了实证分析,预测结果表明:基于均值回归模型的猪肉价格预测精度在90%左右,鸡肉和鸡蛋价格的预测精度在98%以上;基于分位数回归预测模型的预测精度都在99%以上。在时序分析模型研究方面,建立了向量误差修正模型(VEC)、SARIMA模型、Holt-Winters季节指数平滑模型和Census X12季节分解法等4类模型,并对猪肉、鸡肉、鸡蛋、蔬菜和水果等5类农产品进行了实证分析,预测结果表明:4类时间序列模型预测精度都在90%以上,其中鸡蛋和鸡肉的模型预测精度在95%以上。(6)开展了基于过程的模型集成预测和基于预测结果的组合预测研究。由于不同模型对数据信息的提取程度不尽相同,随着时间推移单项预测的稳健性会有所降低,在未来不确定性增多的情况下组合预测往往更具有优势。以蔬菜和水果为例的组合预测研究结果表明:大多数情况下通过组合预测可以提高预测精度,但也存在组合预测效果不如某单一预测方法的样本现象;对预测误差较大的单项预测方法进行组合,预测精度提高的幅度会更大一些,如果进行组合的各种单项预测方法本身的精度都很高,则组合预测精度提高的幅度就很有限。
张荣,周家全,刘海军[4](2000)在《关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法》文中提出依据郑州商品交易所绿豆期货 (CZCE)的历史数据 ,利用时间序列分布分析的隐周期理论 ,对绿豆期货 0 1D价格波动建立数学模型进行模拟 .并对结果进行了初步分析
二、关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法(论文提纲范文)
(1)中美棉花期货市场比较分析 ——基于ARCH模型的实证研究(论文提纲范文)
Contents |
摘要 |
Abstract |
1 绪论 |
1.1 选题的背景和意义 |
1.2 文献回顾 |
1.2.1 国外文献综述 |
1.2.2 国内文献综述 |
1.2.3 文献评述 |
1.3 论文的结构与思路 |
1.4 本文的创新与不足 |
1.4.1 本文的创新 |
1.4.2 本文的不足 |
2 期货市场价格波动性的相关理论 |
2.1 价格波动性的内涵及特征 |
2.2 期货价格波动性的自回归条件异方差效应研究 |
2.3 描述期货市场波动性的 ARCH 模型 |
3 中美棉花期货市场概述 |
3.1 中国棉花期货市场 |
3.1.1 中国棉花期货市场发展历程 |
3.1.2 我国棉花期货市场交易情况 |
3.2 美国棉花期货市场 |
3.2.1 美国棉花期货市场的起源和发展 |
3.2.2 美国棉花期货市场交易情况 |
4 中美棉花期货市场的对比分析 |
4.1 中美棉花期货合约比较 |
4.2 中美棉花期货交割制度比较 |
4.2.1 中美棉花期货交割方式比较 |
4.2.2 中美棉花期货交割流程比较 |
4.2.3 中美棉花期货交割仓库的设置情况比较 |
4.3 中美棉花期货风险控制制度比较 |
4.3.1 保证金制度比较 |
4.3.2 限仓制度比较 |
4.3.3 信用基础及信息披露比较 |
4.4 中美棉花期货运行情况比较 |
4.4.1 中美棉花期货流动性比较 |
4.4.2 中美棉花期货持仓量以及成交量比较 |
4.4.3 中美棉花期货投资者结构的比较 |
5 实证分析 |
5.1 样本数据选取与处理 |
5.2 实证的检验及结果分析 |
5.2.1 ARCH 效应的检验 |
5.2.2 实证的结果分析 |
6 结论与政策建议 |
6.1 结论 |
6.2 政策建议 |
参考文献 |
致谢 |
(2)农产品市场价格web信息分析方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究目的和意义 |
1.2 农产品市场价格短期预测 |
1.2.1 农产品市场价格预测方法介绍 |
1.2.2 定量预测法预测农产品市场价格国外研究现状 |
1.2.3 定量预测法预测农产品市场价格国内研究现状 |
1.2.4 农产品市场价格预测发展趋势 |
1.3 搜索引擎 |
1.3.1 搜索引擎的工作原理及发展历史 |
1.3.2 搜索引擎的应用现状及发展趋势 |
1.3.3 垂直搜索引擎 |
1.4 论文主要内容 |
第二章 Web信息采集与抽取 |
2.1 引言 |
2.2 结构化、半结构化和非结构化信息 |
2.2.1 信息资料分类 |
2.2.2 互连网上海量信息分类 |
2.2.3 WEB结构化信息抽取 |
2.3 Web信息采集 |
2.4 Web信息抽取 |
2.5 Web信息抽取过程 |
2.6 DOM树方式提取网页文本信息 |
2.7 正则表达式提取网页文本信息 |
2.8 HTMLParser提取网页文本信息 |
2.9 本章小结 |
第三章 农产品市场价格垂直搜索引擎设计与实现 |
3.1 引言 |
3.2 开发工具选择 |
3.3 网站选择 |
3.4 农产品市场价格Web信息页面特点 |
3.5 页面预处理 |
3.6 规则生成及实际抽取 |
3.7 数据定位方法 |
3.8 价格抓取垂直搜索引擎功能模块 |
3.8.1 站点配置 |
3.8.2 解析器设置 |
3.8.3 更新配置 |
3.8.4 运行 |
3.9 本章小结 |
第四章 农产品市场价格Web信息规范化分析及处理 |
4.1 引言 |
4.2 农产品市场价格Web信息规范化分析 |
4.3 农产品市场价格Web信息规范化处理 |
4.3.1 规范产品名称 |
4.3.2 规范市场名称 |
4.3.3 初始化农产品类别 |
4.3.4 初始化省市 |
4.3.5 规范数据单位 |
4.3.6 去重策略选择 |
4.3.7 零价格数据处理 |
4.4 完整的农产品价格数据表 |
4.5 本章小结 |
第五章 农产品市场价格时间序列预测法研究 |
5.1 时间序列 |
5.1.1 时间序列发展趋势 |
5.1.2 时间序列分析 |
5.1.3 历史数据处理方法 |
5.2 时间序列预测方法理论描述 |
5.2.1 平均数预测法 |
5.2.2 时间序列平均增长量预测法 |
5.2.3 时间序列几何平均法 |
5.2.4 移动平均市场预测法 |
5.2.5 指数平滑预测法 |
5.2.6 趋势延续法 |
5.2.7 季节变动趋势预测法 |
5.3 时间序列预测法预测实践研究 |
5.3.1 平均数预测法预测 |
5.3.2 时间序列平均增长量预测法预测 |
5.3.3 时间序列平均发展速度市场预测法预测 |
5.3.4 移动平均市场预测法预测 |
5.3.5 指数平滑预测法预测 |
5.3.6 直线趋势延续法预测 |
5.3.7 季节变动趋势预测法预测 |
5.4 对比分析 |
5.4.1 时间序列非季节指数预测方法对比分析 |
5.4.2 季节指数水平法与季节指数趋势法对比分析 |
5.5 二次指数平滑算法改进 |
5.6 本章小结 |
第六章 农产品市场价格Web信息分析系统设计与实现 |
6.1 开发软件介绍 |
6.2 农产品市场价格分析系统 |
6.2.1 软件功能模块 |
6.2.2 系统主界面 |
6.2.3 高级查询 |
6.2.4 价格走势 |
6.2.5 各省对比 |
6.2.6 市场对比 |
6.2.7 品种对比 |
6.2.8 同比环比 |
6.2.9 价格预测 |
6.2.10 价格监测 |
6.3 本章小结 |
第七章 结论和展望 |
7.1 本文完成的工作 |
7.2 研究展望 |
参考文献 |
附录 |
致谢 |
攻读学位期间发表文章 |
(3)SV因子分析框架下的农产品市场短期预测(论文提纲范文)
摘要 |
Abstract |
第一章 导论 |
1.1 研究背景 |
1.1.1 农产品市场价格,是现阶段政府部门关注的热点与焦点 |
1.1.2 加强农产品市场预测研究,是强化科技支撑能力的重要体现 |
1.1.3 迫切需要加强农产品市场预测研究,促进生产稳定和农民增收 |
1.1.4 迫切需要加强农产品市场预测研究,提高农业风险规避能力 |
1.1.5 迫切需要加强农产品市场预测研究,提高食物安全保障水平 |
1.2 国内外研究概况 |
1.2.1 关于农产品市场价格影响因子的研究 |
1.2.2 关于农产品价格波动规律的研究 |
1.2.3 关于农产品市场风险评估的研究 |
1.2.4 关于农产品市场价格预测的研究 |
1.3 目的意义与研究方法 |
1.3.1 目的意义 |
1.3.2 研究方法 |
1.4 研究方案 |
1.4.1 基本思路 |
1.4.2 研究内容 |
1.4.3 技术路线 |
1.5 研究特色与创新点 |
1.5.1 研究特色 |
1.5.2 创新点 |
1.6 相关说明 |
第二章 SV 因子方法论研究的理论基础 |
2.1 预测的相关概念 |
2.1.1 预测的定义 |
2.1.2 预测和预期 |
2.1.3 预测和预警 |
2.2 预测的分类 |
2.2.1 点预测和区间预测 |
2.2.2 水平预测和方向预测 |
2.2.3 回归预测和分类预测 |
2.2.4 短期预测和长期预测 |
2.2.5 事后预测和事先预测 |
2.2.6 固定预测和递归预测 |
2.2.7 微观预测和宏观预测 |
2.2.8 定量预测和定性预测 |
2.3 预测方法的发展阶段划分 |
2.3.1 定性预测阶段 |
2.3.2 结构计量模型阶段 |
2.3.3 时间序列分析阶段 |
2.3.4 智能预测阶段 |
2.3.5 组合预测阶段 |
2.4 农产品价格的分类与特征 |
2.4.1 我国农产品价格形式的演变 |
2.4.2 农产品价格的分类 |
2.4.3 农产品价格的特征 |
2.5 市场价格波动理论 |
2.5.1 供求关系理论 |
2.5.2 蛛网理论 |
2.5.3 波浪理论 |
2.5.4 弹簧振子理论 |
2.6 农产品市场预测与相关学科的关系 |
2.7 常用农产品市场短期预测技术 |
2.7.1 定性预测法 |
2.7.2 因果关系模型预测技术 |
2.7.3 时间序列分析技术 |
2.7.4 智能预测技术 |
2.7.5 组合预测技术 |
2.7.6 预测技术评论 |
2.8 预测评价 |
2.8.1 绝对预测误差法 |
2.8.2 相对误差法 |
2.8.3 净预测误差 |
2.8.4 总绝对预测误差 |
2.8.5 平均绝对误差 |
2.8.6 平均相对误差法 |
2.8.7 预测误差的方差 |
2.8.8 泰尔不等系数 |
2.8.9 修正的泰尔不等系数 |
第三章 影响农产品市场价格的 SV 因子分析 |
3.1 基础性因素 |
3.1.1 市场供求 |
3.1.2 生产成本 |
3.2 周期性因素 |
3.2.1 季节性因素 |
3.2.2 节假日因素 |
3.2.3 生产周期 |
3.2.4 经济波动周期 |
3.3 政策性因素 |
3.3.1 最低收购价政策 |
3.3.2 市场流通政策 |
3.3.3 国际贸易政策 |
3.4 国际市场环境因素 |
3.4.1 国际市场价格 |
3.4.2 国际经济发展状况 |
3.4.3 汇率 |
3.5 非经济强波动性因素 |
3.5.1 极端气候因素 |
3.5.2 突发性事件 |
3.5.3 社会信息传播 |
3.5.4 游资炒作因素 |
3.6 市场价格波动原因的实证分析 |
3.6.1 立足国内视角的常规经济因素和非经济性因素分析 |
3.6.2 立足国际视角的农产品市场价格传导分析 |
第四章 SV 因子交织下的农产品市场价格波动分析 |
4.1 2000 年以来我国农产品市场价格波动情况 |
4.1.1 粮食价格基本稳定 |
4.1.2 蔬菜和水果价格波动较为剧烈 |
4.1.3 畜产品中猪肉和鸡蛋价格波动频繁,牛羊肉价格较为稳定 |
4.2 我国农产品市场价格的波动周期分析 |
4.2.1 研究方法——HP 滤波法 |
4.2.2 实证分析 |
4.3 农产品市场价格波动的概率密度分布 |
4.3.1 文献回顾 |
4.3.2 研究方法框架 |
4.3.3 数据说明 |
4.3.4. 蔬菜实证分析 |
4.3.5 水果实证分析 |
4.4 农产品市场价格短期波动的风险度量 |
4.4.1 VaR 的基本原理 |
4.4.2 基于 GARCH 模型的 VaR 计算方法 |
4.4.3 数据描述 |
4.4.4 农产品市场收益率 VaR 的实证分析 |
4.4.5 研究结论 |
第五章 基于S因子的农产品市场短期预测模型研究 |
5.1 突变性数据的建模:事件分析法 |
5.1.1 事件类型及其描述 |
5.1.2 事件分析法的研究现状 |
5.1.3 基于IPAD法的短期预测模型 |
5.2 非线性和不确定性的建模:人工神经网络法 |
5.2.1 模型的基本原理 |
5.2.2 模型的构建方法 |
5.2.3 实证分析 |
5.3 小样本数据的建模:灰色预测模型法 |
5.3.1 模型的基本原理 |
5.3.2 模型的构建流程 |
5.3.3 实证分析 |
第六章 基于V因子的农产品市场短期预测模型研究 |
6.1 均值回归的建模与预测 |
6.1.1 模型的基本原理 |
6.1.2 均值回归模型预测的基本流程 |
6.1.3 模型的实证分析 |
6.2 分位数回归的建模与预测 |
6.2.1 模型的基本原理 |
6.2.2 模型的实证分析 |
6.3 时间序列法的建模与预测 |
6.3.1 模型的基本原理 |
6.3.2 数据描述 |
6.3.3 向量误差修正模型(VEC) |
6.3.4 SARIMA 模型 |
6.3.5 Holt-Winters 季节指数平滑法 |
6.3.6 Census X12 的季节分解法 |
6.3.7 四种时间序列模型预测结果的比较 |
第七章 基于SV因子的农产品市场组合预测模型研究 |
7.1 组合预测的研究现状 |
7.1.1 组合预测效果的检验 |
7.1.2 组合预测权重的确定 |
7.1.3 我国有关组合预测的研究 |
7.1.4 组合预测的问题与新动向 |
7.2 组合预测的常用模型与算法 |
7.2.1 模型集成法 |
7.2.2 预测结果组合法 |
7.3 组合预测法的实证分析 |
7.3.1 SARIMA-ANN 模型集成法的应用 |
7.3.2 预测结果的组合预测应用 |
7.3.3 组合预测的研究结论 |
第八章 农产品市场价格智能预测系统的设计与实现 |
8.1 设计目标 |
8.2 设计原则 |
8.3 系统架构 |
8.3.1 总体架构 |
8.3.2 后台系统架构 |
8.3.3 前端系统架构 |
8.4 模块功能和操作 |
8.4.1 系统登录 |
8.4.2 数据管理模块 |
8.4.3 价格预测模块 |
8.4.4 用户管理模块 |
8.4.5 前端界面中数据源的实现 |
第九章 结论与政策建议 |
9.1 基本结论 |
9.2 讨论 |
9.3 加强我国农产品市场短期展望研究的政策建议 |
9.3.1 源头上,加强数据获取能力与共享建设 |
9.3.2 技术上,加强分析研判的科技支撑 |
9.3.3 保障上,健全完善信息分析的体制机制 |
9.3.4 应用上,加强研究成果的品牌建设 |
9.3.5 策略上,加强国际交流与合作 |
参考文献 |
致谢 |
作者简介 |
(4)关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法(论文提纲范文)
0 引 言 |
1 假设、 符号与推理 |
1.1 前提假设 |
1.2 符号与推理 |
2 计算方法与结果 |
3 峰值检验 |
4 回归方程的显着性检验 |
5 结果分析及误差来源分析 |
四、关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法(论文参考文献)
- [1]中美棉花期货市场比较分析 ——基于ARCH模型的实证研究[D]. 章少林. 江西财经大学, 2013(12)
- [2]农产品市场价格web信息分析方法研究[D]. 王桂红. 沈阳农业大学, 2013(11)
- [3]SV因子分析框架下的农产品市场短期预测[D]. 李干琼. 中国农业科学院, 2012(10)
- [4]关于(CZCE)绿豆期货01D价格波动隐周期的一种计算方法[J]. 张荣,周家全,刘海军. 洛阳大学学报, 2000(04)