基于主要因素的PTA期货价格预测模型

信息计算科学论文编号:XXLW099 论文字数:11580,页数:26

目  录

摘   要 II
Abstract III
第一章   绪论 1
1.1  研究动机与目的 1
1.2  研究背景 1
1.2.1  期货历史[5] 1
1.2.2  期货市场的社会影响[2] 2
1.2.3  认识PTA 2
1.2.4  影响PTA期货价格主要因素 3
1.3  研究方法与系统描述 3
1.4  论文内容概述 3
第二章   多元线性回归模型 4
2.1  多元线性回归模型及其矩阵表示 4
2.2  多元线性回归模型的检验 5
2.2.1  多元线性回归模型的拟合优度检验 5
2.2.2  回归模型的总体显著性检验 5
2.2.3  回归参数的显著性检验：t检验 5
2.2.4  逐步回归法 6
第三章   时间序列模型 7
3.1  判断时间序列的平稳性 7
3.1.1  多维平稳性时间序列 7
3.1.2  非平稳时间序列 7
3.1.3  ADF检验时间序列的平稳性 7
3.2  Granger因果关系检验 10
3.3  建立向量自回归模型 11
第四章   PTA期货价格预测模型建立 12
4.1  多元线性回归模型运算过程 12
4.1.1  实验数据解释和变量标识说明 12
4.1.2  多重共线性检验 13
4.1.3  消除多重共线性 13
4.2  向量自回归模型运算过程 15
4.2.1  对各因素进行平稳性检验 15
4.2.2  因果关系检验 17
4.2.3  建立向量自回归模型 19
第五章   预测结果比较 20
致  谢 21
参考文献 22

摘   要
 随着PTA期货的进一步发展，如今对中长期PTA期货价格的预测的需要也越来越迫切了。PTA期货价格模型的预测，对投资者来说也是一个富有经济性的问题。因此，本文对影响PTA期货价格的若干因素进行分析，选择出主要因素，并利用逐步回归法建立多元线性回归模型，对回归模型进行拟合度和显著性的检验，使其具有较强的预测效果。还用时间序列法预测模型，在时间序列法中，重要的是要先判断样本数据的平稳性。利用ADF检验进行平稳性判断，再用Granger因果关系检验，选择出主要的影响因素，建立向量自回归模型。这样使得模型的预测效果具有一定的对比度。通过上述两个模型的建立，可以对未来PTA期货价格做短期预测，也能对投资者起到一定的参考作用。
关键词：  PTA期货价格  多元线性回归  时间序列  预测模型

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