广告位

您现在的位置是:主页 > 外汇开户 >

大豆期货价格预测实证研究

2021-11-27 14:07外汇开户 人已围观

简介大豆期货价格预测实证研究 正在期货商场中,无论是企业套期保值来规避危急,仍旧投资者举办取利来得回利润,对期货价值举办合理预测都是更加要紧的。选用2014-05-052015-08-...

  大豆期货价格预测实证研究正在期货商场中,无论是企业套期保值来规避危急,仍旧投资者举办取利来得回利润,对期货价值举办合理预测都是更加要紧的。选用2014-05-05—2015-08-31的大豆期货合约数据,应用统计学及计量经济学法子举办实证领悟。愚弄ARMA模子举办预测,得出原数据与预测数据的对照图,阐明基于ARMA模子的短期价值预测机制具有必定的无误性,可认为投资者供给参考。

  闭 键 词:大豆;期货价值;价值预测;ARMA模子;单元根搜检;时期序列领悟;白噪声搜检

  跟着中邦经济的兴盛,期货商场正正在火速振兴[1],期货交往逐渐进入人们的经济生涯。固然期货商场存正在必定危急性,但通落伍期序列模子探求能够供给投资参考讯息[2]。时期序列模子正在差异的岁月有差异的讯息,能够更为无误地预测期货的价值走势。时期序列是依赖于时期的一组时期变量,组成该时序的单个序列值固然具有不确定性,但全盘序列的转变具有必定的法则性,能够用相应的数学模子举办描绘,再通过对数学模子的探求与领悟实行最小方差下的最优预测。

  对期货价值的预测不断是邦外里探求的核心。海外期货商场兴盛得较早,对期货商场的探求越发深切。Volkan Ediger等用ARIMA模子对土耳其2005—2020年间重要的能源需求举办了预测,得出ARIMA模子对能源类非安稳时期序列数据有较好拟合和预测后果的结论[3]。有些海外学者应用神经收集对价值举办预测,如Grudnitski G和Osburn L(1993)操纵神经收集对S&P指数和黄金期货价值举办预测[4]。Hossain等应用ARIMA模子对3种豆类的价值举办领悟预测,通过相应对照领悟察觉这一模子对豆类价值具有较好的拟合和预测后果[5]。ARIMA模子与ARMA模子犹如,只只是ARIMA模子中的I是对非安稳时期序列数据举办d次差分取得安稳数据后所创设的ARMA模子,差分次数d即是模子中的I值。

  近年来,邦内对期货价值预测的探求也逐步兴盛起来。邦内对价值预测的重要法子聚合于两种:一是采用简单的模子举办搜检与预测,二是应用两种或两种以上的模子举办比力或贯串探求。杨娴等愚弄模子领悟邦际有色金属期货的商场危急。何晓光等基于ARMA-GARCH模子与VAR模子,对上海同行拆借商场的利率危急举办探求[6]。梅志娟(2010)对ARMA模子和GARCH模子举办对照领悟,得出GARCH模子预测铜期货价值无误度更高的结论[7]。吴朝阳将ARMA模子与灰色模子贯串起来对股指举办预测,并对灰色模子的缺陷举办鼎新,得出鼎新灰色模子和ARMA模子,使预测精度取得提升。闫冬(2012)基于ARMA-GARCH模子对上证指数举办短期的预测探求[8]。

  本文采用大豆期货2014-05-05—2015-08-31的可靠交往数据,愚弄计量经济学法子对ARMA模子举办实证领悟,对大豆期货价值的时期序列数据举办料理从而创设模子;依照所创设的数学模子对大豆期货价值走势举办预测,得出ARMA模子对大豆期货价值的短期预测具有必定无误性的结论。总体来说,海外对ARMA模子的探求优于邦内,但邦内的探求数目也正在逐渐减少,有很大的兴盛潜力。

  ARMA模子由博克斯(Box)和詹金斯(Jenkins)创立,又称B-J法子。该模子又称自回归滑动均匀模子(auto-regressive and moving average model),是探求时期序列的要紧法子,由自回归模子(AR模子)与滑动均匀模子(MA模子)为根源“搀杂”组成。AR模子又称自回归模子(auto regressivemodel),是一种线性预测,即已知N个数据,可由模子推出第N点前面或后面的数据(设推出P点),其实质犹如插值,目标是为了减少有用数据。AR模子是由N点递推,而插值是由两点(或少数几点)去推导众点,是以AR模子要比插值法子后果更好[9]。MA模子即滑动均匀模子(moving averagemodel),是模子参量法谱领悟法子之一。ARMA模子的外达式为

  式中:p、q为模子的自回归阶数和挪动均匀阶数;ai、βi为不为0的待定系数;Yt为安稳、正态、零均值的时期序列;εt为独立差错项。

  第一步,安稳性搜检。时期序列模子务必是安稳的才干够举办ARMA筑模。对一个非安稳的时期序列模子,需求先对它举办d次差分治理,直到其变为安稳的时期序列模子。

  第二步,模子识别。依照时期序列数据样本自干系和偏自干系的值来确定模子中p和q的值,再依照最小讯息规则来无误确定模子的阶数。

  第三步,模子的参数推测。愚弄最小二乘法对模子举办参数搜检,使其正在统计上明显,具有统计意旨。

  第四步,模子的假设搜检。模子选定之后对其举办白噪声搜检,若均落正在指定区域,阐述没有需求再提取的讯息。

  商品期货时时情状卑鄙通量大,加入者根基都是价值的采纳者,亲昵于齐全竞赛商场,有利于愚弄数据预测价值。正在期货交往软件上,时期分为月、周、日、分钟。对选用数据而言,太短的周期具有突发性,不适合行为选用的对象;周期太长则会纰漏掉中央的突形成分,同样不适合行为选用的对象。于是,本文选用2014-05-05—2015-08-31豆一期货的日收盘价行为探求数据。采用每个合约交割月份前2个月的价值,如a1507是2015年7月到期的豆一合约,则采用该合约交割前2个月即5、6月的合约,依此类推以便取得连接的期货价值。对节假日及个体缺失的数据举办剔除,使得数据越发线个行为预测数据的对照对象,以检测模子无误度。实证领悟愚弄计量领悟软件Eviews 7.2完毕。

  为了避免伪回归的发生,模子唯有通过安稳性搜检才有统计意旨[10]。假设ADF搜检中P>0.05,则阐述存正在单元根,即数列具有不坚固性;若P<0.05,则阐述数据坚固[11]。原数列的单元根搜检结果如外1所示,一阶差分后的序列单元根搜检结果如外2所示。

  由外1、2的搜检结果可知,原序列搜检P> 0.05,阐述原序列不坚固;一阶差分后的序列搜检P<0.05,阐述一阶差分后的序列坚固,适合创设ARMA模子。

  愚弄Eviews 7.2,得出一阶差分后序列自干系系数的3阶截尾、偏干系系数2阶截尾,开端断定模子为ARMA(2,3);再依照AIC和SC最小讯息规则来无误确定模子阶数[12],选定ARMA(1,1),ARMA(1,2),ARMA(2,1),ARMA(2,2),ARMA(2,3)来举办比力,实在判决目标如外3所示。

  由外3可知,ARMA(2,3)模子的AIC值及SC值最小,依照最小讯息规则该模子为最佳预测模子。愚弄OLS最小二乘法对模子举办搜检,此中AR(1),MA(1)和MA(2)的P值清楚较大,统计上不明显。剔除后再应用最小二乘法举办线,统计上明显,能够创设模子,即

  模子选定之后需求举办白噪声搜检,假设残差序列的自干系均落入选定区域,则阐述序列是白噪声序列,再没有需求提取的讯息了;反之则不是残差序列,需求进一步鼎新[13]。残差搜检结果如外4所示。

  由外4可知,残差序列的自干系与偏干系均正在选定区域内,且Q统计量的P值从3阶最先都大于0.05,阐述已筑模子的随机差错相是白噪声序列,能够用该模子举办价值预测。对模子举办OLS回归,得出各项系数为c=-1.296 0,AR(2)=-0.122 9,MA(3)=-0.144 6,则模子外达式为

  愚弄式(3)举办价值预测,取得可靠期货价值与预测期货价值对照,如图1所示。

  由图1可知,预测价值与可靠价值整个走势大致沟通,阐述预测结果具有必定的无误性。选出前5日大豆期货价值预测值举办差错搜检,结果如外5所示。

  如外5所示,2015-08-03—2015-08-07的期货预测价值差错率都很小,阐述预测值比力亲昵可靠值,此预测模子具有必定的有用性,可能为投资者供给投资参考。

  本文愚弄ARMA模子对2014-05-05—2015-08-31的大豆期货时期序列数据举办实证领悟,并举办模子预测后果搜检。大豆期货的时期序列数据口舌安稳性数据,需求举办差分安稳化治理使其具有坚固性,再愚弄自干系与偏自干系系数举办模子定阶,最终举办筑模预测。预测结果说明,通过汗青时期序列数据对大豆期货价值举办ARMA筑模,所得预测价值与可靠价值走势大致沟通,固然有必定的差错,但差错率较小。该结果与已有探求相符,阐述应用ARMA模子对大豆期货价值举办短期预测具有必定的无误性,对进一步探求期货价值预测题目具有必定辅助影响。

  本文得出的预测价值与可靠价值有必定差错,为了使结果更有利于投资者,依照本文探求可取得如下开发:

  (1)归纳预测。价值讯息具有众变性,贯串时间面与根基面讯息同时举办预测,能够低重差错率,更有利于投资者。也能够正在举办期货投资的同时举办期权投资,这一方面能够正在必定水平上规避金融商场危急性,另一方面能够从中得回特殊收益。

  (2)因为ARMA模子是线性预测,为了使预测更有用,能够将线性预测与非线性预测贯串起来,这将是下一步探求的核心。

  (3)唆使更众的投资者进入期货商场。更众的投资者进入期货商场,会使商场更具竞赛力,使价值的酿成更具商场性。

  [1]王一如,赵庆.大连期货商场兴盛题目及对策探求[J].摩登商贸工业,2015(20):127-129.

  [2]马保忠,甄博倩.基于时期序列领悟的黄金期货价值预测模子的实证领悟[J].商,2015(7):152-155.

  [6]李洛源.基于VAR法子的上海银行间同行拆借利率危急怀抱[J].筹划束缚者,2016(1):26-27.

  [7]梅志娟.ARMA-GARCH模子的期货价值预测比力探求[J].经济探求导刊,2010,34(1):73-74.

  [8]闫冬.基于ARMA-GARCH模子的上证指数短期预测探求[J].重庆理工大学学报(社会科学版),2012(10):36-39.

  [9]吴少华.县域都会自然气需求预测模子及其不服衡性对策探求[D].镇江:江苏大学,2012.

  [10]陈昭.时序非安稳性ADF搜检法的外面与操纵[J].广州大学学报(自然科学版),2008(5):5-10.

  [12]潘贵豪,胡乃联,刘焕中,等.基于ARMA-GARCH模子的黄金价值实证领悟[J].黄金,2010(1):5-8.

  [13]李战江,张昊,孙鹏哲,等.基于ARIMA模子的沪深300股指期货价值预测探求[J].鲁东大学学报(自然科学版),2013(1):22-24.

  作家简介:滕永平(1962-),男,山东荣成人,熏陶,重要从事金融商场学等方面的探求。

Tags: 外币结算账户  炒外汇赚钱吗  全球期货行情 

广告位
    广告位
    广告位