- 年份
- 2024(5352)
- 2023(7884)
- 2022(6396)
- 2021(5772)
- 2020(4900)
- 2019(10605)
- 2018(10087)
- 2017(19327)
- 2016(9808)
- 2015(10727)
- 2014(10738)
- 2013(10741)
- 2012(9816)
- 2011(8725)
- 2010(9026)
- 2009(8565)
- 2008(7616)
- 2007(6895)
- 2006(6076)
- 2005(5586)
- 学科
- 济(39738)
- 经济(39687)
- 业(35640)
- 管理(32102)
- 企(30409)
- 企业(30409)
- 融(25564)
- 金融(25564)
- 银(22609)
- 银行(22595)
- 行(21955)
- 方法(19224)
- 中国(17099)
- 数学(17091)
- 数学方法(16860)
- 技术(13769)
- 财(13765)
- 制(11210)
- 中国金融(11119)
- 务(10509)
- 财务(10478)
- 财务管理(10462)
- 企业财务(10179)
- 农(9889)
- 业经(9236)
- 学(8733)
- 地方(8407)
- 理论(7849)
- 技术管理(7580)
- 农业(7466)
- 机构
- 学院(142690)
- 大学(142276)
- 济(60315)
- 经济(58994)
- 管理(53099)
- 研究(47874)
- 理学(45419)
- 理学院(44960)
- 管理学(43967)
- 管理学院(43706)
- 中国(43226)
- 京(29252)
- 科学(29252)
- 财(29043)
- 农(25171)
- 中心(24850)
- 所(24380)
- 财经(23444)
- 研究所(22171)
- 业大(21680)
- 经(21390)
- 江(21053)
- 经济学(19791)
- 农业(19770)
- 融(18804)
- 金融(18474)
- 北京(18333)
- 经济学院(18063)
- 财经大学(17815)
- 州(17711)
- 基金
- 项目(97924)
- 科学(76691)
- 基金(72102)
- 研究(68536)
- 家(63740)
- 国家(63264)
- 科学基金(54398)
- 社会(43888)
- 社会科(41997)
- 社会科学(41985)
- 省(38609)
- 基金项目(37577)
- 自然(35955)
- 自然科(35236)
- 自然科学(35227)
- 自然科学基金(34637)
- 划(31769)
- 教育(31476)
- 资助(30330)
- 编号(25244)
- 重点(22478)
- 创(21559)
- 部(21497)
- 发(20823)
- 创新(20337)
- 成果(19887)
- 国家社会(19029)
- 科研(19016)
- 性(18872)
- 大学(18548)
共检索到217386条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 管理科学
[作者]
张维 赵帅特 熊熊 张永杰
从受到广泛关注的简单技术规则视角,运用新兴的计算实验金融方法研究股票市场收益的时间序列可预测性,证明投资者非理性心理和行为是造成时间序列收益可预测性的原因。基于Swarm仿真平台和Ob jective C语言构建仿真模型TA-ASM,并进行多组不同参数下的计算实验,通过对模拟数据的统计分析发现,简单技术规则能获得超额收益,表明其在一定程度上具有时间序列收益可预测,该结果意味着收益时间序列存在可被简单技术规则侦测的部分。为确定潜在的影响因素的作用,研究进一步定性定量地对可能的各个内外生因素进行分析,最后得出投资者的非理性心理和行为作为一种系统风险被市场收益吸收从而导致时间序列收益可预测性的结论,...
[期刊] 统计与决策
[作者]
刘遵雄 周天清
由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。
关键词：
HRM 金融时间序列 建模 预测
[期刊] 金融理论与实践
[作者]
夏国恩 邵培基
针对目前金融时间序列预测方法的不足,在利用训练样本与测试样本间马氏距离对惩罚因子进行加权的基础上,改进传统的支持向量回归机(SVR)。通过以上海证券综合指数趋势的预测为例子,与标准BP人工神经网络(BPANN)和SVR方法进行了对比,发现该方法能获得更准确的预测结果。结果表明,该方法能充分反映股票价格时间序列趋势规律,是研究金融时间序列预测问题的有效方法。
[期刊] 统计与决策
[作者]
次必聪 张品一
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表，以非线性组合的方式，构造了一种新的ARIMA-LSTM组合模型，对三种金融时间序列进行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
[期刊] 商业研究
[作者]
吴江 李太勇
金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。
关键词：
商业领域 金融时间序列预测 支持向量机
[期刊] 华东经济管理
[作者]
易文德
金融资产相依结构的研究在金融风险分析中有着重要的意义。金融资产的相依结构主要有两类:一类是单个金融资产自身时间前后交易价格波动的相依关系,称为短期相依关系,另一类是金融资产间的价格波动相依结构,称为同期相依关系。针对前一种相依关系,我们应用混合相依结构M-Copula函数模型对上海综合指数、香港恒生指数和美国道琼斯指数三种金融时间序列前后一个交易日的价格波动相依关系进行了分析。应用两步骤法对模型的参数进行估计,并对边缘分布和M-Copula模型进行了拟合优度检验。结果表明:混合M-Copula模型能够捕捉
[期刊] 统计与决策
[作者]
江雨燕 邵金 陈梦凯 王付宇
由于金融时间序列具有高度非线性、不稳定性等特点，单一预测模型的预测精度受限。文章将集成经验模态分解（EEMD）技术和长短期记忆网络（LSTM）相结合，同时融入麻雀搜索算法（SSA）优化神经网络参数，构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解，其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测，最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析，结果表明，所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681，具有更高的预测精度与适用性。
[期刊] 西北农林科技大学学报(社会科学版)
[作者]
张庆翠
应用ARFIMA模型研究上海股票市场收益序列的长期记忆性,揭示了上海股市收益具有较明显的长期记忆性,进而从另外一个角度证实了上海股票市场尚未达到弱式有效的结论。上海股市收益序列进行预测,并与传统的线性模型相比,分整的ARFIMA模型提高了股票收益序列长期预测的可靠性。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 预测
[作者]
唐黎 潘和平 姚一永
本文提出一种金融时间序列预测的数据降维与信息融合计算智能模型-PANK模型。该模型由三个部分组成:(1)主成分分析(Principal Component Analysis,PCA),用于减少冗余信息;(2)仿射传播聚类(Affinity Prop-agation,AP),用于找到聚类中心和相应的聚类作为特征提取;(3)嵌套式k-最邻近元(Nested k-Nearest Neighbor,Nested KNN)用于回归预测。PANK模型先采用滑动窗口技术截取最近期的金融时间序列作为输入数据,再经过PCA减少冗余信息,提取富含有效信息的主成分,并将其放入AP中进行聚类,最后采用两层嵌套式NestedKNN预测。本文特别提出了一种新的嵌套式Nested KNN,可以有效解决KNN中的两个主要问题:计算量大和不均衡样本问题。通过对模型在欧元兑美元汇率和中国沪深300股指上的实证,结果表明PANK预测模型可达到80%的最佳命中率。
[期刊] 统计与决策
[作者]
王巍 赵国杰 毕星
文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值。证券市场实证研究表明该模型可以准确预测金融时间序列。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 财经理论与实践
[作者]
罗洪奔
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA<107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。
[期刊] 经济问题
[作者]
周文凯 杨威
基于均方误差准则给出了构建区间数据模型的变量选择方法,并利用股票市场、基金市场、期货市场以及货币市场的区间型金融时间序列数据对宏观经济进行区间预测分析,给出了有别于传统点值数据模型的宏观经济区间预测方法。实证结果表明,区间型金融数据中的深证成分指数、上证基金指数、期货市场交易金额、狭义货币供给量对宏观经济区间预测模型拟合误差较小。通过变量选择得到了基于区间金融时间序列数据的宏观经济区间预测模型,并利用单一模型结构和组合模型结构给出我国2020-2023年的宏观经济变化区间,预测表明我国宏观经济将延续总体平稳、稳中趋缓的发展态势。
关键词：
区间数据 均方误差 经济预测
[期刊] 商业时代
[作者]
王珍
我国股市首次公开发行(IPO)股票的长期收益率问题一直是IPO领域研究的热点问题之一。发达国家证券市场存在IPO长期弱势已经得到实证的检验,而我国证券市场尚不成熟,同时也具有与发达国家证券市场不同的特征。本文研究我国IPO长期走势,以期为投资者的正确决策、为提高股市效率提供理论依据。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
