基于主要因素的PTA期貨價格預測模型

信息計算科學論文編號:XXLW099 論文字數:11580,頁數:26

目  錄

摘   要 II
Abstract III
第一章   緒論 1
1.1  研究動機與目的 1
1.2  研究背景 1
1.2.1  期貨歷史[5] 1
1.2.2  期貨市場的社會影響[2] 2
1.2.3  認識PTA 2
1.2.4  影響PTA期貨價格主要因素 3
1.3  研究方法與系統描述 3
1.4  論文內容概述 3
第二章   多元線性回歸模型 4
2.1  多元線性回歸模型及其矩陣表示 4
2.2  多元線性回歸模型的檢驗 5
2.2.1  多元線性回歸模型的擬合優度檢驗 5
2.2.2  回歸模型的總體顯著性檢驗 5
2.2.3  回歸參數的顯著性檢驗：t檢驗 5
2.2.4  逐步回歸法 6
第三章   時間序列模型 7
3.1  判斷時間序列的平穩性 7
3.1.1  多維平穩性時間序列 7
3.1.2  非平穩時間序列 7
3.1.3  ADF檢驗時間序列的平穩性 7
3.2  Granger因果關系檢驗 10
3.3  建立向量自回歸模型 11
第四章   PTA期貨價格預測模型建立 12
4.1  多元線性回歸模型運算過程 12
4.1.1  實驗數據解釋和變量標識說明 12
4.1.2  多重共線性檢驗 13
4.1.3  消除多重共線性 13
4.2  向量自回歸模型運算過程 15
4.2.1  對各因素進行平穩性檢驗 15
4.2.2  因果關系檢驗 17
4.2.3  建立向量自回歸模型 19
第五章   預測結果比較 20
致  謝 21
參考文獻 22

摘   要
 隨著PTA期貨的進一步發展，如今對中長期PTA期貨價格的預測的需要也越來越迫切了。PTA期貨價格模型的預測，對投資者來說也是一個富有經濟性的問題。因此，本文對影響PTA期貨價格的若干因素進行分析，選擇出主要因素，并利用逐步回歸法建立多元線性回歸模型，對回歸模型進行擬合度和顯著性的檢驗，使其具有較強的預測效果。還用時間序列法預測模型，在時間序列法中，重要的是要先判斷樣本數據的平穩性。利用ADF檢驗進行平穩性判斷，再用Granger因果關系檢驗，選擇出主要的影響因素，建立向量自回歸模型。這樣使得模型的預測效果具有一定的對比度。通過上述兩個模型的建立，可以對未來PTA期貨價格做短期預測，也能對投資者起到一定的參考作用。
關鍵詞：  PTA期貨價格  多元線性回歸  時間序列  預測模型

Abstract
 With the further development of futures of PTA, the need of futures prices for long-term predictions is more and more imperative .Futures of  PTA  forecast model is also an economic issue to investors. Therefore, analysis a number of factors of influence, select the main factors, establish multi regression model with Stepwise Regression, test Goodness-of-fit and significant of regression model, and then make it to be strong forecast results. Moreover use time series to forecasting model. In the time series, it is important to determine the stability of the sample data. Use ADF test to determine stability. Granger causality test reuse, select the main effects of factors, The establish vector autoregressive model. Thus allows the prediction model has a contrast effect. Through the establishment of these two models, we could make a regression equation to predict futures of PTA in a short period of time. Investors can also play a role in the reference.
Keyword: Futures of  PTA ；multi regression ；Time Series；Prediction model