SV因子分析框架下的农产品市场短期预测PDF电子书下载

1 导论 1

1.1 研究背景 1

1.1.1 农产品市场价格，是现阶段政府部门关注的热点与焦点 3

1.1.2 加强农产品市场预测研究，是强化科技支撑能力的重要体现 4

1.1.3 迫切需要加强农产品市场预测研究，促进生产稳定和农民增收 4

1.1.4 迫切需要加强农产品市场预测研究，提高农业风险规避能力 5

1.1.5 迫切需要加强农产品市场预测研究，提高食物安全保障水平 6

1.2 国内外研究概况 7

1.2.1 关于农产品市场价格影响因子的研究 7

1.2.2 关于农产品价格波动规律的研究 9

1.2.3 关于农产品市场风险评估的研究 10

1.2.4 关于农产品市场价格预测的研究 11

1.3 目的意义与研究方法 17

1.3.1 目的意义 17

1.3.2 研究方法 17

1.4 研究方案 18

1.4.1 基本思路 18

1.4.2 研究内容 19

1.4.3 技术路线 20

1.5 研究特色与创新点 21

1.5.1 研究特色 21

1.5.2 创新点 21

1.6 相关说明 22

2 SV因子方法论研究的理论基础 23

2.1 预测的相关概念 23

2.1.1 预测的定义 23

2.1.2 预测和预期 25

2.1.3 预测和预警 25

2.2 预测的分类 26

2.2.1 点预测和区间预测 26

2.2.2 水平预测和方向预测 26

2.2.3 回归预测和分类预测 27

2.2.4 短期预测和长期预测 27

2.2.5 事后预测和事先预测 27

2.2.6 固定预测和递归预测 27

2.2.7 微观预测和宏观预测 28

2.2.8 定量预测和定性预测 28

2.3 预测方法的发展阶段划分 28

2.3.1 定性预测阶段 29

2.3.2 结构计量模型阶段 29

2.3.3 时间序列分析阶段 30

2.3.4 智能预测阶段 31

2.3.5 组合预测阶段 31

2.4 农产品价格的分类与特征 32

2.4.1 我国农产品价格形式的演变 32

2.4.2 农产品价格的分类 33

2.4.3 农产品价格的特征 34

2.5 市场价格波动理论 35

2.5.1 供求关系理论 35

2.5.2 蛛网理论 35

2.5.3 波浪理论 38

2.5.4 弹簧振子理论 38

2.6 农产品市场预测与相关学科的关系 39

2.7 常用农产品市场短期预测技术 41

2.7.1 定性预测法 41

2.7.2 因果关系模型预测技术 42

2.7.3 时间序列分析技术 43

2.7.4 智能预测技术 47

2.7.5 组合预测技术 49

2.7.6 预测技术评论 49

2.8 预测评价 50

2.8.1 绝对预测误差 51

2.8.2 相对误差 51

2.8.3 净预测误差 51

2.8.4 总绝对预测误差 51

2.8.5 平均绝对误差 51

2.8.6 平均相对误差 51

2.8.7 预测误差的方差 52

2.8.8 泰尔不等系数 52

2.8.9 修正的泰尔不等系数 52

3 影响农产品市场价格的SV因子分析 53

3.1 基础性因素 53

3.1.1 市场供求 53

3.1.2 生产成本 56

3.2 周期性因素 61

3.2.1 季节性因素 61

3.2.2 节假日因素 62

3.2.3 生产周期 63

3.2.4 经济波动周期 63

3.3 政策性因素 64

3.3.1 最低收购价政策 65

3.3.2 市场流通政策 65

3.3.3 国际贸易政策 66

3.4 国际市场环境因素 66

3.4.1 国际市场价格 66

3.4.2 国际经济发展状况 68

3.4.3 汇率 68

3.5 非经济强波动性因素 69

3.5.1 极端气候因素 69

3.5.2 突发性事件 69

3.5.3 社会信息传播 70

3.5.4 游资炒作因素 70

3.6 市场价格波动原因的实证分析 71

3.6.1 立足国内视角的常规经济因素和非经济性因素分析 72

3.6.2 立足国际视角的农产品市场价格传导分析 76

4 SV因子交织下的农产品市场价格波动分析 80

4.1 2000年以来我国农产品市场价格波动情况 80

4.1.1 粮食价格基本稳定 80

4.1.2 蔬菜和水果价格波动较为剧烈 81

4.1.3 畜产品中猪肉和鸡蛋价格波动频繁，牛羊肉价格较为稳定 83

4.2 我国农产品市场价格的波动周期分析 84

4.2.1 研究方法——HP滤波法 84

4.2.2 实证分析 85

4.3 农产品市场价格波动的概率密度分布 91

4.3.1 文献回顾 91

4.3.2 研究方法框架 92

4.3.3 数据说明 95

4.3.4 蔬菜实证分析 98

4.3.5 水果实证分析 103

4.4 农产品市场价格短期波动的风险度量 108

4.4.1 VaR的基本原理 108

4.4.2 基于GARCH模型的VaR计算方法 110

4.4.3 数据描述 110

4.4.4 农产品市场收益率VaR的实证分析 112

4.4.5 研究结论 121

5 基于S因子的农产品市场短期预测模型研究 122

5.1 突变性数据的建模：事件分析法 122

5.1.1 事件类型及其描述 123

5.1.2 事件分析法的研究现状 124

5.1.3 基于IPAD法的短期预测模型 129

5.2 非线性和不确定性的建模：人工神经网络法 131

5.2.1 模型的基本原理 131

5.2.2 模型的构建方法 135

5.2.3 实证分析 137

5.3 小样本数据的建模：灰色预测模型法 144

5.3.1 模型的基本原理 144

5.3.2 模型的构建流程 145

5.3.3 实证分析 146

6 基于V因子的农产品市场短期预测模型研究 150

6.1 均值回归的建模与预测 150

6.1.1 模型的基本原理 151

6.1.2 均值回归模型预测的基本流程 151

6.1.3 模型的实证分析 152

6.2 分位数回归的建模与预测 158

6.2.1 模型的基本原理 158

6.2.2 模型的实证分析 159

6.3 时间序列法的建模与预测 171

6.3.1 模型的基本原理 171

6.3.2 数据描述 173

6.3.3 向量误差修正模型（VEC） 174

6.3.4 SARIMA模型 181

6.3.5 Holt-Winters季节指数平滑法 191

6.3.6 Census X12的季节分解法 194

6.3.7 四种时间序列模型预测结果的比较 201

7 基于SV因子的农产品市场组合预测模型研究 205

7.1 组合预测的研究现状 205

7.1.1 组合预测效果的检验 206

7.1.2 组合预测权重的确定 208

7.1.3 我国有关组合预测的研究 209

7.1.4 组合预测有待继续研究的问题 210

7.2 组合预测的常用模型与算法 211

7.2.1 模型集成法 211

7.2.2 预测结果组合法 213

7.3 组合预测法的实证分析 215

7.3.1 SARIMA-ANN模型集成法的应用 215

7.3.2 预测结果的组合预测应用 216

7.3.3 组合预测的研究结论 218

8 农产品市场价格智能预测系统的设计与实现 220

8.1 设计目标 220

8.2 设计原则 220

8.3 系统架构 221

8.3.1 总体架构 221

8.3.2 后台系统架构 222

8.3.3 前端系统架构 222

8.4 模块功能和操作 223

8.4.1 系统登录 224

8.4.2 数据管理模块 225

8.4.3 价格预测模块 228

8.4.4 用户管理模块 234

8.4.5 前端界面中数据源的实现 236

9 结论与政策建议 238

9.1 基本结论 238

9.2 讨论 242

9.3 加强我国农产品市场短期展望研究的政策建议 243

9.3.1 源头上，加强数据获取能力与共享建设 244

9.3.2 技术上，加强分析研判的科技支撑 245

9.3.3 保障上，健全完善信息分析的体制机制 246

9.3.4 应用上，加强研究成果的品牌建设 247

9.3.5 策略上，加强国际交流与合作 248

参考文献 249