论文部分内容阅读
豆粕在我国农业、畜牧业占据着重要的位置,是连接农业和畜牧业的纽带;期货在经济发展过程中能够有效规避风险,提高市场公开度和透明度。因此,对研究豆粕期货的价格具有重要意义。本文选用了三种方法来对豆粕期货的价格进行预测,分别是ARIMA模型、小波分析以及VAR模型,既有单因素变量模型,也有多因素变量模型。其中,小波分析模型,实质上是利用小波分析对数据进行降噪、平滑后,再建立ARMA模型;VAR模型选择的影响因素变量包括豆粕期货价格、大豆期货价格以及大豆期货的成交量。本文选取的数据是2016年1月4日到12月31日大连商品交易所历史交易数据中的豆粕期货主力合约的各项指标数据,对数据进行相应平稳性处理后,建立ARIMA模型;首先根据关联度分析法,从6个影响因素当中选出与因变量关联度大的3个影响因素,然后对数据进行平稳性处理、协整检验,从而确定所研究变量与影响因素之间是存在着长期的均衡关系的,最后建立VAR模型。模型建立后对数据进行拟合并预测未来10天的豆粕期货价格,以预测误差率大小及预测的波动情况对模型的预测效果进行衡量。在文章结尾处对文章进行了总结,对三个模型进行了对比分析。三种模型的预测效果最好的是小波分析模型,10天的总误差率仅有24%,预测结果的波动也比较明显;ARIMA模型对第一天的预测结果较好,误差率仅有0.03%,但是预测结果的波动情况不好,预测趋势较差;而预测效果最差的是VAR模型,10天的预测总误差率达到了50%。也就是说,排除数据中的噪音数据后,对豆粕期货的价格预测具有正向作用。另外,值得注意的是,三种方法均适合期货的短期预测,随着预测天数的后移,预测精度会降低。并根据VAR模型的脉冲分析给出的结果,指出豆粕期货的价格与大豆期货价格之间是有关系的,大豆期货价格波动,豆粕期货的价格会有负向的10%的波动。由对比分析结果,我们指出小波分析在豆粕期货的价格预测中表现出了较为明显的优势。