沈虹
- 作品数：27 被引量：73H指数：5
- 供职机构：扬州大学商学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学研究基金江苏省教育厅哲学社会科学基金更多>>
- 相关领域：经济管理理学文化科学自动化与计算机技术更多>>
- 多尺度GARCH模型研究货币增长对期货价格波动的影响被引量：9
- 2010年
- 选取M2同比增长率为货币供应量的增长指标,从收益的波动性与分布出发,运用GARCH-GED模型对上海期货交易所的铜、铝和橡胶期货数据进行检验,求得收益的波动序列。同时,运用小波db(4)对波动序列进行小波分解,得到反映长期趋势的低频数据。通过对低频数据和M2同比增长率之间的Granger因果检验,得出货币供应量的增长会加剧期货市场的波动,从而为流动性过剩对期货市场产生影响提供有力证据。
- 沈虹何建敏胡小平赵伟雄
- 关键词：期货波动率
- 多约束复杂工作流的调度优化
- 项目调度是广泛存在于生产制造、工业工程、计算机等系统的重要问题，项目各活动间的偏序关系、截止期等多种约束使得该类问题为典型的NP难问题。本文考虑有限可用资源的单一加工方式生产调度、可中断加工项目调度、多模态资源约束项目调...
- 沈虹
- 关键词：项目调度资源约束决策支持
- 基于深度学习长短期记忆神经网络的有色金属期货市场预测研究被引量：9
- 2021年
- 为提高金融资产预测能力,该文采用深度学习长短期记忆(LSTM)神经网络模型对上海期货交易所(SHFE)和伦敦金属期货交易所(LME)的铝、铜、镍、铅、锡和锌6种有色金属期货价格分别进行长、短期预测,与传统机器学习多层感知器(MLP)模型以及线性自回归移动平均(ARIMA)模型进行对比研究。数据源于Wind数据库和国际货币基金组织(IMF)数据库。使用Python深度学习软件模拟预测有色金属期货价格,结果显示:有色金属期货市场长期预测中,LSTM模型的预测表现略逊于ARIMA模型,MLP模型预测效果不理想;短期预测中,LSTM模型的预测结果和ARIMA模型相近,均优于MLP模型;LSTM模型与MLP模型相比,模型的稳定性和预测的精确度都更加出色。LSTM模型可作为ARIMA模型的最优替代之一。
- 沈虹李旭潘琪
- 关键词：神经网络有色金属期货市场价格预测
- 基于CoVaR方法的国内商业银行系统性风险度量被引量：4
- 2016年
- 银行系统性风险有很强的传染性和破坏性,一旦发生,则会危及到整个金融体系,从而导致金融危机,因此加强对银行业系统性风险的度量很有必要。通过以14家上市商业银行为样本,利用分位数回归方法测量各银行风险水平CoVaR,并进一步计算得出溢出风险价值ΔCoVaR和风险溢出率%CoVaR,可以发现,工商银行、建设银行、北京银行、南京银行的整体风险溢出水平较高,应加强对这些银行的日常监管。
- 沈虹邢荧
- 关键词：商业银行系统性风险分位数回归
- 流动性过剩对期货市场影响的实证研究
- 2010年
- 文章选取M2同比增长率为流动性指标,并转化为虚拟变量,建立含有流动性指标的GARCH-GED模型对上海期货交易所的金属铜和天然橡胶进行检验,并运用小波db(4)对波动序列进行小波分解。实证结果表明,超额货币供应量会加剧期货市场的波动,从宏观和微观两角度验证了流动性过剩对期货市场的影响是显著的。
- 赵伟雄何建敏沈虹
- 关键词：期货M2波动性小波分解
- 国内外期货市场传染性风险溢出性研究——基于独立成分分析方法被引量：3
- 2014年
- 为比较全球金融危机爆发前后期货市场间传染性风险的强弱,以2008年1月为界,将数据样本分为两个时间窗口,分别建立ICA-TGARCH-M模型进行实证检验。结果显示,金融危机爆发后,国内外期货市场间波动溢出效应显著增加,表明传染性风险在各期货市场间表现明显。ICA-TGARCH-M模型不仅验证了全球主要期货品种间风险溢出的显著性,而且反映出期货市场风险溢出的主要来源,并为多元GARCH模型的降维提供了有效方案。
- 沈虹何启志
- 关键词：期货市场GARCH模型
- 基于机器学习的铜期货价格预测分析被引量：4
- 2021年
- 采用支持向量机、MLP(multilayer perceptron)神经网络、LSTM(long short-term memory)神经网络和GRU(gated recurrent unit)神经网络模型,基于基本面信息与市场情绪指标对上海期货交易所铜期货进行多因素价格预测研究.通过选取包括国内外各类经济与金融指标、百度指数等共26个可度量因素,运用相关性分析和主成分分析,共同构建11个特征指标,基于机器学习模型分析其对铜期货价格预测的能力.结果表明:在摆脱对原始交易数据的依赖后,多因素特征指标对沪铜期货价格有较强的长短期预测能力;不同机器学习模型均能得到相似且稳健的预测结果,表明机器学习在期货市场价格预测中具有良好的适用性.
- 沈欣宜李旭沈虹
- 关键词：铜期货价格SVM模型
- 基于深度学习的收益率预测与投资组合模型
- 2024年
- 在资产池中选出具有高回报的优质资产,是投资组合模型的关键因素。文章采用长短期记忆网络这一深度学习算法对资产收益进行预估,提高了精准识别高质量资产的能力,并因此增进投资组合策略的表现;然后使用均值-方差模型对选出的优质资产进行投资比例划分;最后以中国大宗商品期货市场为资产池,进行100期投资,从收益率、风险和风险收益三个方面选取不同指标来评估投资组合的绩效,结果表明LSTM+MV投资组合在风险绩效上表现最优,且取得较好的收益。
- 张博群沈虹
- 关键词：投资组合均值-方差模型
- Opial条件下渐近非扩张型半群殆轨道的遍历定理被引量：1
- 2009年
- X是一Banach空间,(X,τ)是局部凸线性拓扑空间,C是X上的τ-序列紧凸集,S是C上的Γ类渐近非扩张型半群.首先给出了局部一致τ-Opial条件的概念,运用乘积拓扑网技巧得到了具有局部一致τ-Opial条件下空间X的新的收敛条件.然后利用该收敛条件得到了在局部一致τ-Opial条件下的Γ类渐近非扩张型半群殆轨道的遍历定理以及τ-收敛定理.结论是将已有结果由一致τ-Opial条件推广到局部一致τ-Opial条件,对空间X的要求进一步减弱,该结论是遍历定理在非一致凸空间中的延伸.
- 沈虹何建敏凡震彬
- 关键词：BANACH空间渐近非扩张型半群遍历定理
- 基于集成分解的农产品价格预测
- 2024年
- 深度学习在用于预测非线性时间序列时表现出色,且无须考虑变量之间的内生性问题。将集成经验模态分解(ensemble empirical mode decomposition,EEMD)方法与卷积神经网络(convolutional neural networks,CNN)、长短期记忆模型(long short-term memory,LSTM)、门控循环单元(gated recurrent units,GRU)相结合,构建基于集成分解的农产品期货价格预测模型。以中国玉米、棉花和大豆期货价格为例,对原始期货价格信号进行EEMD分解,然后将分解向量分别输入深度学习模型中进行训练,最终得出EEMD-GRU模型为最优价格预测模型。结果显示,与单独的深度学习模型相比,该文所提基于集成分解的组合模型在预测准确性方面优势明显,具有更强的泛化能力。
- 张博群孙倩沈虹
- 关键词：农产品期货
