基于门限自回归条件异方差区间模型的大宗商品价格预测
Commodity Price Forecasting Based on Heteroskedasticity Threshold Autoregressive Models for Interval Data
查看参考文献44篇
|
文摘
|
大宗商品是工业生产和金融投资中不可或缺的组成部分, 准确的大宗商品价格预测对保障工业生产顺利进行和帮助投资者规避风险具有重要意义. 但现有的大宗商品价格预测模型大多是基于收盘价构建的点值模型, 忽略了价格的波动信息. 因此, 本文从区间价格预测的角度出发, 提出了一个带有外生变量的门限自回归条件异方差区间模型(HTARIX), 构建了一个基于区间型数据的检验统计量来检验模型是否存在条件异方差, 进而提出了广义最小D_K距离估计求解模型参数, 并将其应用于大宗商品市场. HTARIX模型的优势在于能够捕捉区间型时间序列模型的条件异方差和非线性特征. 相比于传统的点值数据模型, 我们的方法能够更加充分地利用区间的内部信息. 实证结果表明, 本文提出的模型在大宗商品区间价格预测上的表现优于其他对比模型. |
|
其他语种文摘
|
Commodity is an important part of industrial production and financial investment, and accurate commodity price forecasting is of great significance to safeguard industrial production and help investors avoid risks. However, most of the existing commodity price forecasting models are point-value models based on closing prices, which ignores the volatility information. Therefore we propose a heteroskedasticity threshold autoregressive interval model with exogenous variables (HTARIX)and apply it to the commodity markets. We also construct a test statistic based on interval-valued data to test whether there is conditional heteroskedasticity in the model, and propose a generalized minimum D_K distance estimation. The advantage of our model is that it can capture the conditional heteroskedasticity and nonlinear features of interval-valued time series models. Compared with the point-valued models, our method contains more information of the data. The empirical results imply that HTARIX model performs better than other comparative models in interval-valued commodity price forecasting. |
|
来源
|
计量经济学报
,2024,4(2):301-323 【核心库】
|
|
DOI
|
10.12012/CJoE2023-0014
|
|
关键词
|
大宗商品价格
;
区间数据
;
条件异方差
;
门限自回归区间模型
;
非线性
|
|
地址
|
1.
中国科学院数学与系统科学研究院, 北京, 100190
2.
中国科学院预测科学研究中心, 北京, 100190
3.
中国科学院大学经济与管理学院, 数字经济监测预测预警与政策仿真教育部哲学社会科学实验室, 北京, 100190
4.
上海科技大学创业与管理学院, 上海, 201210
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
2096-9732 |
|
学科
|
社会科学总论 |
|
基金
|
国家自然科学基金
;
国家自然科学基金"计量建模与经济政策研究" 基础科学中心项目
|
|
文献收藏号
|
CSCD:7689863
|
参考文献 共
44
共3页
|
|
1.
何亚男. 世界经济与国际原油价格:基于Kilian经济指数的协整分析.
系统工程理论与实践,2011,31(2):221-228
|
CSCD被引
5
次
|
|
|
|
|
2.
卢全莹. 世界原油供给阻滞对中国宏观经济的冲击效应测算——以美国对伊朗实施石油制裁为例.
系统工程理论与实践,2022,42(7):1735-1754
|
CSCD被引
9
次
|
|
|
|
|
3.
卢全莹. "黑天鹅"和"灰犀牛"事件对原油市场的冲击效应测算: GSI-BN研究框架.
计量经济学报,2022,2(1):194-208
|
CSCD被引
1
次
|
|
|
|
|
4.
王珏. 基于网络关注度的大宗商品市场预测研究.
系统工程理论与实践,2017,37(5):1163-1171
|
CSCD被引
7
次
|
|
|
|
|
5.
余乐安. 融合网络新闻主题分布与主题分类下新闻情感的原油价格预测研究.
计量经济学报,2023,3(2):443-463
|
CSCD被引
1
次
|
|
|
|
|
6.
张翔. 国际大宗商品市场金融化与中国宏观经济波动.
金融研究,2017(1):35-51
|
CSCD被引
8
次
|
|
|
|
|
7.
周浩. 一种改进的原油价格组合预测优化策略研究.
系统工程理论与实践,2021,41(10):2660-2668
|
CSCD被引
6
次
|
|
|
|
|
8.
Ahumada H. Forecasting Food Prices: The Case of Corn, Soybeans and Wheat.
International Journal of Forecasting,2016,32(3):838-848
|
CSCD被引
3
次
|
|
|
|
|
9.
Akgiray V. Conditional Heteroscedasticity in Time Series of Stock Returns: Evidence and Forecasts.
Journal of Business,1989,62(1):55-80
|
CSCD被引
6
次
|
|
|
|
|
10.
Asai M. Forecasting Volatility and Co-volatility of Crude Oil and Gold Futures: Effects of Leverage, Jumps, Spillovers, and Geopolitical Risks.
International Journal of Forecasting,2020,36(3):933-948
|
CSCD被引
1
次
|
|
|
|
|
11.
Billard L. Regression Analysis for Interval-valued Data.
Data Analysis, Classification, and Related Methods,2000:369-374
|
CSCD被引
2
次
|
|
|
|
|
12.
Cheong C W. Modeling and Forecasting Crude Oil Markets Using ARCH-type Models.
Energy policy,2009,37(6):2346-2355
|
CSCD被引
4
次
|
|
|
|
|
13.
Costola M. Spillovers Among Energy Commodities and the Russian Stock Market.
Journal of Commodity Markets,2022,28:100249
|
CSCD被引
1
次
|
|
|
|
|
14.
Diday E. Introduction a L'approche Symbolique en Analyse Des Donnees.
RAIRO-Operations Research,1989,23(2):193-236
|
CSCD被引
2
次
|
|
|
|
|
15.
Gonzalez-Rivera G. Constrained Regression for Interval-valued Data.
Journal of Business & Economic Statistics,2013,31(4):473-490
|
CSCD被引
5
次
|
|
|
|
|
16.
Han A. A Vector Autoregressive Moving Average Model for Intervalvalued Time Series Data.
Essays in Honor of Aman Ullah,2016:417-460
|
CSCD被引
2
次
|
|
|
|
|
17.
He Y N. Forecasting Crude Oil Price Intervals and Return Volatility via Autoregressive Conditional Interval Models.
Econometric Reviews,2021,40(6):584-606
|
CSCD被引
3
次
|
|
|
|
|
18.
Heath D. Macroeconomic Factors in Oil Futures Markets.
Management Science,2019,65(9):4407-4421
|
CSCD被引
2
次
|
|
|
|
|
19.
Kaucher E. Interval Analysis in the Extended Interval Space IR.
Fundamentals of Numerical Computation (Computer-Oriented Numerical Analysis),1980:33-49
|
CSCD被引
2
次
|
|
|
|
|
20.
Lin W. Interval-valued Time Series Models: Estimation Based on Order Statistics Exploring the Agriculture Marketing Service Data.
Computational Statistics & Data Analysis,2016,100:694-711
|
CSCD被引
3
次
|
|
|
|
|
了解气象卫星更多信息，请访问