一、2004年上半年部分农产品价格预测(论文文献综述)
冯玉亮[1](2021)在《基于改进EEMD-GRU组合模型的大蒜价格预测研究》文中研究说明
梁笑[2](2021)在《基于机器学习的中国玉米期货价格预测研究》文中研究说明
张秀娟[3](2021)在《农产品价格(指数)保险产品优化研究 ——以滕州市马铃薯目标价格保险为例》文中进行了进一步梳理
成都市发展和改革委员会、四川大学经济学院联合课题组,郭潇蔓,张蕊,杨杰[4](2021)在《优化农产品价格定量预测及应用研究——以成都市主要农产品为例》文中研究指明成都市作为拥有超过2000万常住人口的特大型副省级城市,对重要农产品价格的定量预测及有效调控不仅直接关系本地民生,而且能为其他各类城市科学、有效和精准地调控物价起到先行探索、示范及导向的作用。本文以成都市与民生紧密相关的重要农产品为研究对象,充分考虑不同农产品价格影响因素的异质性,综合利用一系列时间序列模型和方法对农产品价格的定量预测进行了优化研究,重点以生猪价格为例描述了建模优化过程,并简要介绍了其余品种价格的定量预测模型。在此基础上,总结了肉类、蔬菜类农产品价格预测的总体误差情况以及取得的实际调控成效,并对农产品价格的定量预测优化提出了进一步的建议。
马小菁[5](2021)在《基于时间序列分析的山东大葱价格预测研究》文中研究表明农产品价格预测是农业经济生活中不可缺少的活动,也是农业经济管理领域的一个研究热点。目前农产品价格预测相关研究主要以大宗农产品为主,对于具有地区特色的农产品价格预测研究相对缺乏。山东是农林牧渔总产值居于全国首位的农业大省,而且一直以来都有"中国的菜篮子"的称号。大葱是山东最具特色的农产品,其价格的合理预测不仅能有利于维持大葱等农产品的市场均衡,也能促进地区农业稳定发展。时间序列预测领域,研究方法日新月异。大数据时代的迅速崛起加速了传统农业向现代化农业的发展进程,随着农业领域对数据分析需求的不断增加,运用时间序列法、智能方法、多尺度方法等高效方法来预测农产品价格已成为如今研究的重点。本文基于时间序列分析针对山东独具特色的大葱建立多种价格预测模型进行比较研究。考虑到受多种因素的作用,时间序列波动趋于复杂、多样化,本文首先构建了传统的ARIMA-EGARCH模型。近年来随着深度学习以及多尺度方法的兴起,时间序列预测领域的研究蒸蒸日上,所以在此基础上文章又先后建立了LSTM神经网络以及基于EEMD的LSTM-AR组合预测模型来探究他们在农产品价格预测领域的可行性。实验中分别检验了所构建模型的有效性并结合MAE、MAPE、RMSE对它们的预测效果做出评价。经过比较,基于EEMD的LSTM-AR模型预测效果优于其他模型,能够实现对山东大葱未来价格的有效预测,且具有较高的预测精度;而传统的ARIMA-EGARCH模型预测精度则要高于LSTM神经网络。
高伦,陆岷峰[6](2021)在《企业提升预测大宗商品价格精准度的方法研究——基于时频递归与非递归分解的混合价格预测模型的运用》文中研究说明大宗商品交易在我国经济循环中占比极高,但国内众多企业由于没有选取世界大宗商品价格预测最优方法,造成巨额损失屡见不鲜。在时间序列信号的递归于非递归时频分析分析的基础上,构建传统自回归移动平均模型和新兴神经网络的新复合模型对商品期货价格进行预测。使用墨西哥湾沿岸煤油航空燃料价格历史数据作为建模时间序列数据,以此建立航空燃料价格动态预测模型。通过对比,从模型的预测结果来看,结合时频非递归分解的预测模型在预测精度上优于基于递归分解的复合模型优于单一预测模型,可以有利于提升企业对世界大宗商品价格预测的精准度,从而控制成本,有效地降低风险。
蔡秋茹[7](2020)在《基于XGBoost集成学习算法的电动汽车价格预测》文中进行了进一步梳理针对电动汽车属性及价格的数据集,采用XGBoost集成学习算法进行电动汽车价格的分类和预测。首先,在Matlab和Python环境中,使用经过预处理的训练数据训练得到XGBoost分类和预测模型。然后,用训练所得XGBoost模型对测试数据进行价格预测,在准确率、召回率、F-score和混淆矩阵等方面对XGBoost算法进行测试,并与支持向量机和神经网络等算法做了对比实验。实验结果证明,三种预测模型预测准确率均在95%以上,XGBoost算法的预测效果最佳。最后,结合各预测模型的原理,对XGBoost预测模型的优缺点进行分析,并提出了模型的改进方向。
马跃祎[8](2020)在《中国主要木质林产品市场价格变化特征及预测研究》文中研究说明随着我国经济进入新常态,经济增长从追求高速度到追求高质量转变。同时,供给侧改革的实施使产业的发展由数量向质量转变;房地产调控力度的加大使宏观经济对房地产的依赖度降低;中美贸易争端影响了我国的木质林产品贸易。在这种大环境下,对中国主要木质林产品价格市场进行风险分析有益于林产品企业对自身生产经营战略进行调整,有助于引导林产品市场的生产与定价,有利于政府对林产品市场制定宏观调控政策,在发生剧烈市场波动前进行预警,维护林产品市场平稳有序发展,提高中国木质林产品竞争力,应对木材安全问题。研究主要目的是厘清木质林产品价格变化的特征,并根据变化特征预测其未来变化趋势。数据主要来源于FAO的《林产品年鉴》、《中国林业发展报告》、《中国林产品统计年鉴》、Wind数据库。首先,研究通过林产品供需与贸易、林产品价格两个方面介绍了原木、锯材、胶合板、中纤板和刨花板五种主要木质林产品的市场现状。其次,在市场均衡理论、时间序列的基本理论基础之上,借助计量模型对中国主要木质林产品价格发展趋势、价格周期波动进行了定量研究与实证分析,并对主要木质林产品价格走势与价格变化率进行了预测分析。最后,根据分析结论提出了针对性建议。研究主要结论如下:通过断点单位根检验发现,主要木质林产品价格的断点出现较为集中的时间段为2015年上半年、2017年年底以及2018年年初。2017年年底和2018年初,木质林产品的价格出现了新的变化特征,五种主要木质林产品价格的变化趋于平稳,整体出现缓慢下降的趋势。运用周期单位根检验分析结果显示,中国主要木质林产品都存在季节性的波动特征。在此基础之上,运用频谱的方法对林产品的价格变化率进行了周期提取。从波动的幅度看,进口原木、国产与进口锯材、胶合板和中纤板的价格变化率的波动幅度较大,均超过了1%,其中中纤板的波幅最大超过了11%。通过Prophet模型对中国主要木质林产品价格指数与价格变化率进行预测,预测截止时间为2022年。结果显示,原木、锯材、中纤板未来价格呈下行趋势,中纤板与刨花板价格未来有小幅上涨趋势。从价格变化率预测结果来看,除胶合板波动幅度基本与之前水平相当之外,其它木质林产品价格波动幅度均会有所提升,其中较之前波动幅度变化最大的是进口锯材,2021年最大振幅15%。
滕金玲[9](2020)在《生姜价格组合模型预测及移动终端研发》文中提出近年来,我国以生姜为首的小宗农产品价格波动频繁,极大地提高了农业从业者的生产经营风险,也损害了消费者的利益,不利于生姜产业的健康可持续发展。因受供给、需求、种植规模、游资炒作、气象、病虫害及舆情等多重因素影响,生姜价格变化规律难以把握,生姜从业者很难把握其发展趋势,这给从业者决策带来了很大的困难。因此,分析生姜价格波动特征及开展价格趋势预测研究对于产业平稳发展具有十分重要的意义。分析生姜价格影响因素,研究生姜价格的波动规律,并预测生姜价格的变化趋势,有助于政府宏观规划和调整生姜产业结构,有利于生姜从业者科学决策,以促进生姜产业健康可持续发展。主要工作包括:(1)生姜价格波动规律及影响因素研究价格波动规律和价格影响因素分析是研究价格预测模型的基础。通过CensusX-12季节分解法和HP滤波法对生姜价格波动进行季节性和周期性的分析,生姜价格的周期性和季节性波动显着,每年生姜价格的波峰出现在9-10月份,波谷出现在次年1-2月份。在分析产品供需、政府政策、病虫害、物价水平等因素对生姜价格波动影响的基础上,选取种植面积、生姜产量、进出口贸易等重点因素建立向量自回归模型(VAR),从定量角度分析生姜价格变化的影响因素,结合脉冲响应函数分析结果,表明种植面积和产量对生姜价格波动的影响较大。(2)生姜价格预测研究在研究生姜价格波动规律基础上,进一步开展生姜价格预测研究。选择BP神经网络、Prophet预测算法、ARIMA预测算法对生姜价格进行预测,结果表明Prophet算法预测性能优于ARIMA和BP神经网络。在此基础上,进一步整合SVM算法优势,构建了基于Prophet-SVM组合模型的生姜价格预测模型。与单一模型预测结果对比,组合模型能够更好的预测生姜价格变化趋势。(3)基于微信小程序的生姜价格可视化服务系统研发通过对生姜价格进行实地调研和需求分析,设计了生姜价格可视化系统的总体架构和功能模块,应用微信小程序、系统开发及可视化等相关技术,研发了基于微信小程序的生姜价格可视化服务系统,可更直观、清晰的展示生姜价格的变化特征和趋势,可为生姜产业从业者提供便利和及时的服务。
张玉静[10](2020)在《中国棉花期货价格影响因素分析》文中提出中国棉花期货自2004年6月1日上市以来历经15年,棉花期货市场运行日渐成熟,其对价格发现、套期保值、风险规避方面发挥着越来越重要的作用。近年来,棉花现货贸易正在由传统的定价交易方式逐步过渡到棉花期货合约价格加上基差的购销方式,棉花期货可交割标的涉及中国棉花年度总产量的80%以上。国内棉花期货15年的发展促进了棉花从种植、加工、物流仓储、纺纱、织布、印染、服装整个产业链的高质量的现代化发展。棉花作为国内重要的大宗商品,同时也是国内重要的战略物资,棉花产业链用工超4000万人,棉花原料占棉纱生产成本的70%左右,占棉布生产成本的35%左右,因此棉花期货价格的波动关系到产业链的健康平稳运行及4000多万工人的就业稳定问题。棉花期货价格作为现货价格的定价基础,我们研究影响其价格波动的影响因素为我们正确利用期货为棉花产业链的企业服务具有重要的指导意义。期货价格的波动主要受制于相关基本面与技术面诸多因素的影响,当前对影响期货价格波动的分析方法分为基本面研究和技术面研究。本文研究的重点是基于基本面的研究方法,关注于供求关系中的各个因素对棉花期货价格波动的影响。本文将影响年度棉花供给量与需求量的子因素进行分类分析,诸如影响产量的种植面积的因子、天气因子;外部影响因素中经济领先指标OECD与消费的关系,同时还对影响供给与需求因素中的子因素诸如进口棉政策、国家储备轮入与轮出政策、税收变化政策的变迁进行了梳理归纳,以便对阶段性价格的波动研究提供启示作用。最后围绕影响供给与需求因素的直接因素因子进行实证分析。本文运用VAR模型,将研究成果中提到的影响棉花期货价格波动的直接因素包括影响供给与需求的内部因素及外部因素纳入模型,定量的分析各因素与棉花期货价格之间的长期动态关系(包括影响的时滞、持续时间和强度等),为期货价格的理论研究者和交易者提供参考。本文试图建立围绕影响棉花期货价格波动的系统因素框架,分析不同时间周期相关影响棉花期货价格的因素对价格影响中所占的主次矛盾,找出不同时间周期下影响棉花期货价格波动的核心因素及其对价格的驱动方向并进行实证分析。通过实证分析发现自2008年9月中国棉花信息网开始公开月度库存数据后,棉花期货价格与产量、净进口量、储备轮入量、储备轮出量、消费量等因素之间存在高度的相关性,并且产量、净进口量、储备轮出量这些因素与价格存在负相关关系,而储备棉轮入量、消费量、经济领先指标OECD与价格的关系正相关关系。传统的研究或者集中于对棉花现货市场价格的分析,或者集中于棉花作为农产品商品类别的一种的价格波动,或者集中于棉花内外价格波动差异的研究,或者集中于棉花现货与期货关系的研究,或者基于技术指标对期货价格波动的预测,或基于供给与需求当中的单一因素与期货价格的关系进行研究。过去对现货价格的影响也集中于对产量与消费因素的分析,而其它因素指标对期货价格波动的影响论证不够,对影响期货价格波动的因素在不同时期的主次地位缺乏论述。本文创新之处在于研究视角方面建立了相对系统的影响棉花期货价格供求关系的因素图表,并对不同因素及因素的子因素进行时间周期归类,为后续关注棉花期货价格的研究者和交易者提供了系统的研究框架,利于研究者更加便捷地利用供求关系图建立相应的因素数据库及理解不同时期影响棉花期货价格变动的主要因素,便于研究者厘清因素之间的因果关系,并构建了影响因素与期货价格波动的VAR模型,将影响因素与期货价格的关系进行实证分析。
二、2004年上半年部分农产品价格预测(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、2004年上半年部分农产品价格预测(论文提纲范文)
(4)优化农产品价格定量预测及应用研究——以成都市主要农产品为例(论文提纲范文)
一、国内外农产品价格预测研究现状 |
二、农产品价格定量预测的深化研究 |
(一)肉类农产品 |
1.生猪价格预测模型的优化过程 |
(1)第一个阶段(2018年8月—2019年8月) |
(2)第二阶段(2019年9月—2019年12月) |
(3)第三阶段(2020年1月—2020年9月) |
2.猪肉和仔猪的价格预测模型 |
(1)猪肉周度价格的短期预测模型 |
(2)猪肉周度价格的中长期预测模型 |
(3)仔猪价格月度预测模型 |
(4)仔猪价格周度预测模型 |
(二)蔬菜类农产品 |
1.佐料类农产品的价格预测模型 |
(1)生姜价格月度预测模型 |
(2)生姜价格周度预测模型 |
(3)大蒜价格周度预测模型 |
2.蔬菜的价格预测模型 |
三、预测结果与成效 |
(一)肉类农产品 |
1.总体情况 |
2.纵向对比 |
3.具体成效(以生猪为例) |
(二)蔬菜类农产品 |
1.总体情况 |
2.纵向对比 |
3.具体成效(以大蒜为例) |
四、总结与建议 |
第一,关键前瞻性变量的指数构建。 |
第二,农产品信息数据库的联网。 |
第三,定量预测方法的创新与交融。 |
(5)基于时间序列分析的山东大葱价格预测研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景与研究意义 |
一 研究背景 |
二 研究意义 |
第二节 国内外研究现状 |
一 时间序列预测法研究现状 |
二 智能预测法研究现状 |
三 组合预测法研究现状 |
四 文献述评 |
第三节 研究内容与研究方法 |
一 研究内容 |
二 研究方法与技术路线图 |
第四节 研究创新点 |
第二章 山东大葱价格波动特征及影响因素分析 |
第一节 时间序列 |
一 时间序列定义 |
二 时间序列数据收集及处理 |
第二节 山东大葱价格波动特征 |
一 趋势性 |
二 周期性 |
三 季节性 |
四 不规则性 |
五 空间结构性 |
第三节 山东大葱价格波动主要影响因素 |
一 供给因素 |
二 需求因素 |
三 其他因素 |
第四节 本章小结 |
第三章 基于时间序列模型的山东大葱价格预测 |
第一节 时间序列方法 |
一 ARIMA模型 |
二 ARCH类模型 |
三 建模方法 |
第二节 时间序列方法建模 |
一 ARIMA模型的构建 |
二 ARIMA-EGARCH模型的构建 |
第三节 本章小结 |
第四章 基于神经网络模型的山东大葱价格预测 |
第一节 人工神经网络方法 |
一 人工神经网络 |
二 神经网络在时间序列预测中的优势 |
三 LSTM神经网络 |
第二节 LSTM神经网络建模 |
第三节 本章小结 |
第五章 基于多尺度模型的山东大葱价格预测 |
第一节 多尺度方法 |
一 经验模态分解 |
二 集合经验模态分解 |
第二节 EEMD实证分析 |
第三节 基于EEMD的组合预测建模 |
一 原理 |
二 模型的建立 |
第四节 本章小结 |
第六章 研究结论与对策 |
第一节 预测效果对比 |
一 多种模型综合预测效果 |
二 EEMD-LSTM-AR模型预测效果 |
第二节 研究结论 |
一 多元化的数据收集技术可以实现价格的高效整合 |
二 EEMD-LSTM-AR模型预测效果精准 |
三 自然灾害、商贩炒作对大葱价格合理预测的影响不容忽视 |
第三节 对策建议 |
一 设立专门的大葱价格数据多元化收集系统,实现信息融合 |
二 构建山东大葱价格预测预警系统 |
三 注重数据平台人才培养以及农民培训 |
第四节 展望 |
参考文献 |
攻读学位期间发表的学术论文 |
致谢 |
(6)企业提升预测大宗商品价格精准度的方法研究——基于时频递归与非递归分解的混合价格预测模型的运用(论文提纲范文)
一、引言 |
二、文献综述 |
三、模型介绍 |
1. 变分模态分解 |
2. 经验模态分解 |
3. 长短记忆(LSTM)神经网络 |
4. 自回归移动平均模型 |
四、实证分析 |
1. 数据描述 |
2. 变分模态分解 |
3. 长短记忆神经网络预测 |
五、结论 |
(8)中国主要木质林产品市场价格变化特征及预测研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 木质林产品市场变化国内外研究现状 |
1.3.2 木质林产品价格国内外研究现状 |
1.3.3 国内外研究现状评述 |
1.4 研究方法及内容 |
1.4.1 主要研究方法 |
1.4.2 研究内容 |
1.4.3 技术路线 |
1.5 研究创新点 |
2 林产品市场价格研究的理论和现实基础 |
2.1 研究的理论基础 |
2.1.1 木质林产品的界定 |
2.1.2 价格变化特征的理论基础 |
2.2 中国木质林产品市场现状分析 |
2.2.1 供需与贸易现状分析 |
2.2.2 价格变化现状分析 |
2.3 本章小结 |
3 主要木质林产品价格变化特征分析 |
3.1 木质林产品变化特征的研究方法 |
3.1.1 价格断点分析方法 |
3.1.2 价格周期分析方法 |
3.2 基于断点单位根的木质林产品价格断点分析 |
3.3 基于频谱和周期单位根的木质林产品价格周期分析 |
3.4 本章小结 |
4 主要木质林产品价格预测 |
4.1 预测方法 |
4.1.1 Prophet预测模型 |
4.1.2 模型构建流程 |
4.2 主要木质林产品价格历史预测结果 |
4.2.1 ADF单位根检验结果 |
4.2.2 模型预测结果及分析 |
4.3 本章小结 |
5 研究结论及对策建议 |
5.1 研究结论 |
5.2 对策建议 |
5.2.1 增强木材供给,保障材料供应 |
5.2.2 扩大经营主体,组建龙头联盟 |
5.2.3 建立价格数据平台,加强林业信息化 |
5.2.4 深化政府改革,制定保障政策 |
5.2.5 加强国际合作,推动林产品国际化发展 |
5.3 研究不足与展望 |
参考文献 |
作者简介 |
致谢 |
(9)生姜价格组合模型预测及移动终端研发(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的及意义 |
1.3 国内外研究现状 |
1.3.1 农产品价格波动规律 |
1.3.2 农产品价格影响因素 |
1.3.3 农产品价格预测 |
1.3.4 农业大数据 |
1.3.5 移动终端 |
1.4 课题来源、研究内容、技术路线及创新点 |
1.4.1 课题来源 |
1.4.2 研究内容 |
1.4.3 技术路线 |
1.4.4 创新点 |
2 相关理论与技术 |
2.1 农业大数据理论 |
2.2 农产品价格波动规律理论 |
2.3 农产品价格影响因素理论 |
2.4 农产品价格预测理论 |
2.5 微信小程序理论 |
2.6 本章小结 |
3 生姜价格波动规律及影响因素研究 |
3.1 生姜价格波动概况 |
3.2 生姜价格波动规律分析 |
3.2.1 基于Census X-12 生姜价格季节性分析 |
3.2.2 基于HP生姜价格周期性分析 |
3.3 生姜价格影响因素分析 |
3.3.1 产业分析 |
3.3.2 基于VAR的计算与分析 |
3.4 本章小结 |
4 生姜价格预测研究 |
4.1 价格预测理论与模型 |
4.1.1 Prophet算法 |
4.1.2 支持向量机(SVM)算法 |
4.1.3 Prophet-SVM组合模型 |
4.1.4 模型评估 |
4.2 生姜价格预测模型实证分析 |
4.3 本章小结 |
5 基于微信小程序的生姜价格可视化服务系统研发 |
5.1 需求分析 |
5.1.1 系统用户需求分析 |
5.1.2 功能需求分析 |
5.1.3 系统性能性需求分析 |
5.2 系统总体框架设计 |
5.3 系统功能设计 |
5.4 数据库表设计 |
5.5 系统实现 |
5.6 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
硕士期间获得的研究成果 |
(10)中国棉花期货价格影响因素分析(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
第一节 研究背景与意义 |
一、研究背景 |
二、研究意义 |
第二节 文献综述 |
一、国外研究综述 |
二、国内研究综述 |
三、文献述评 |
第三节 研究内容和研究方法 |
一、研究内容 |
二、研究方法 |
第四节 创新点及不足之处 |
一、本文研究的创新点 |
二、本文研究的不足 |
第二章 中国棉花期货上市以来的运行情况及定价权的提升 |
第一节 棉花期货上市以来的运行情况 |
第二节 中国棉花期货定价权不断提升 |
一、中国棉花期货市场与美国棉花期货市场的相关性分析 |
二、中国棉花期货的定价权发生的变化 |
第三节 本章小结 |
第三章 中国棉花期货价格影响因素的理论识别 |
第一节 基于供给与需求的分析框架 |
一、供给与需求因素分类 |
二、棉花期货价格波动的季节性规律与供求因素时间归类 |
第二节 供给角度的影响因素 |
一、供给因素 |
二、影响产量变化的子因素之间关系的例证 |
三、进口量与储备轮出量子因素的历史归纳 |
第三节 需求角度的影响因素 |
一、需求因素 |
二、储备棉轮入政策历史数据统计 |
第四节 其它影响因素 |
一、其它因素 |
二、经济领先指标OECD与全球棉花消费的关系 |
第五节 本章小结 |
第四章 中国棉花期货价格影响因素的实证检验 |
第一节 研究设计 |
一、样本选择与数据来源 |
二、影响棉花期货价格波动的数理模型 |
第二节 实证结果与分析 |
一、样本数据的平稳性检验 |
二、模型滞后阶数的选择 |
三、模型的平稳性检验 |
四、模型求解 |
五、脉冲响应函数分析 |
六、方差分解分析 |
七、格兰杰因果关系检验 |
第三节 本章小结 |
第五章 主要结论及建议 |
第一节 主要结论 |
第二节 建议 |
参考文献 |
致谢 |
个人简历 |
四、2004年上半年部分农产品价格预测(论文参考文献)
- [1]基于改进EEMD-GRU组合模型的大蒜价格预测研究[D]. 冯玉亮. 山东农业大学, 2021
- [2]基于机器学习的中国玉米期货价格预测研究[D]. 梁笑. 北京邮电大学, 2021
- [3]农产品价格(指数)保险产品优化研究 ——以滕州市马铃薯目标价格保险为例[D]. 张秀娟. 山东农业大学, 2021
- [4]优化农产品价格定量预测及应用研究——以成都市主要农产品为例[J]. 成都市发展和改革委员会、四川大学经济学院联合课题组,郭潇蔓,张蕊,杨杰. 宏观经济研究, 2021(06)
- [5]基于时间序列分析的山东大葱价格预测研究[D]. 马小菁. 烟台大学, 2021(12)
- [6]企业提升预测大宗商品价格精准度的方法研究——基于时频递归与非递归分解的混合价格预测模型的运用[J]. 高伦,陆岷峰. 企业研究, 2021(01)
- [7]基于XGBoost集成学习算法的电动汽车价格预测[J]. 蔡秋茹. 江苏理工学院学报, 2020(06)
- [8]中国主要木质林产品市场价格变化特征及预测研究[D]. 马跃祎. 河北农业大学, 2020(05)
- [9]生姜价格组合模型预测及移动终端研发[D]. 滕金玲. 山东农业大学, 2020
- [10]中国棉花期货价格影响因素分析[D]. 张玉静. 上海财经大学, 2020(07)