导读:本文包含了利率预测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:利率,模型,国债,美国,银行,收益率,波士顿。
利率预测论文文献综述
程小勇[1]（2019）在《运用芝商所30天联邦基金期货预测美联储利率决议》一文中研究指出10月29日至30日，美国联邦公开市场委员会(FOMC)会议给美国利率市场带来很大的不确定性。从美国经济数据来看，美联储降息的可能性依旧很大，但是从美国国债利差倒挂改善和美股创新高来看，美联储在此次会议上的降息紧迫性并不是很强。从美国经济数据来看(本文来源于《期货日报》期刊2019-10-31）
刘萌[2]（2019）在《北京首套房贷款主流利率仍为基准上浮10% 专家预测下半年走势将保持平稳》一文中研究指出下半年开局，关于全国房贷利率触底反弹的消息再次引发热议。那么，北京地区的市场情况如何？《证券日报》记者日前走访调查北京地区多家房产中介和银行发现，从整体情况来看，目前首套房贷款主流利率仍为基准利率上浮10%，二套房贷款利率为基准利率上浮20%。(本文来源于《证券日报》期刊2019-07-11）
侯慧敏,刘峰涛[3]（2019）在《P2P网络借贷利率的非线性特征及预测研究》一文中研究指出P2P网络借贷作为互联网金融中的重要组成部,在推进利率市场化和小微金融的发展中扮演者重要角色。P2P网络借贷市场已被众多学者证明为是一个非线性复杂系统,而反应其市场价格的P2P借贷利率也呈现出非线性特征,这使得对其波动特征的把握以及未来趋势的预测具有重要现实意义。本文简要介绍了P2P网络借贷利率的非线性特征,并据此对P2P网络借贷利率未来趋势进行预测。(本文来源于《时代金融》期刊2019年17期）
吕淑睿[4]（2019）在《基于ARIMA模型的证券利率时间序列研究预测》一文中研究指出随着研究方法的深入和研究领域的拓宽,确定性因素分解方法还存在一些问题,导致序列中的有效信息不能充分提取,拟合精度不够理想,而随机时序分析方法的发展是为了弥补确定性因素分解方法的不足,为人们提供更精确的时序分析工具。时间序列分析主要研究随着时间的变化事物发生、发展的过程,寻找事物发展变化的规律,并预测未来的走势。构建适用于有价证券利率的ARIMA模型,为证券行业的更好发展提供有效的参考,建立预测模型,对建立的模型进行参数估计和诊断,选择最优的GARCH模型,并得到较好的预测效果。(本文来源于《科技经济导刊》期刊2019年14期）
梁亚敏[5]（2018）在《对银行利率、CPI和GDP的分析及预测》一文中研究指出本文利用叁次移动平均法对往年的数据进行处理,绘制趋势线,作出预测模型利用拟合效度值对所作出的模型进行检验,最后对未来值进行预测,分析我国当前的经济形势。(本文来源于《当代旅游(高尔夫旅行)》期刊2018年11期）
冯兴溥[6]（2018）在《利率期限结构对通货膨胀率的预测——基于我国1995～2017年的经济数据的实证研究》一文中研究指出基于Mishkin(1990a)基本的利率期限结构模型,利用我国1995年至2017年的中债收益率及通货膨胀率环比数据进行实证分析,以探究我国名义利率期限结构对于货币政策的影响效果。实证结果表明,我国一年期内各期限中债收益率之间存在明显的利率期限结构性关系,各中债收益率之差表现出对通货膨胀率明显的预测效果。(本文来源于《科技经济导刊》期刊2018年26期）
王璐[7]（2018）在《基于流动性回归的企业中期票据发行利率的预测模型研究》一文中研究指出中期票据是一种广义的企业融资性票据。目前已有不少国外学者对于中期票据发行利率的影响因素进行过理论性讨论和部分实证研究,实证研究多集中在判断各影响因素对于中期票据发行利率的影响在统计上是否显着。本研究以中国非国有企业为实证对象,以流动性回归模型为研究方法,构建了企业中期票据发行利率的预测模型,探索了中期票据发行利率受到哪些因素的影响及影响程度的大小。(本文来源于《内蒙古农业大学学报(社会科学版)》期刊2018年05期）
顾彦召[8]（2018）在《实际利率、通货膨胀溢价及预期通货膨胀率的预测》一文中研究指出实际利率、通货膨胀溢价与通货膨胀预期对于政策制定者、债券发行者以及投资者的决策具有重要的参考价值,对货币政策以及财政政策的走向也有重要的影响。实际利率是投资者投资要求的实际回报率,这种回报率不包含通货膨胀的影响,是以真实购买力衡量的收益率。通货膨胀预期是人们对于未来一段时间内平均通货膨胀率的估计,它影响着市场参与者和政策制定者的投资决策与行为决定。本文通过对美国2年期国债收益率及通货膨胀保值债券收益率的研究,从通货膨胀保值债券收益率中分离出美国2004年至2016年间的实际利率和通货膨胀溢价,发现实际利率在2004年至2010年长期为正值,2010年以后长期为负值,反应美国金融危机以来长期宽松的货币政策。并且,本文发现实际利率与通货膨胀溢价存在负的相关关系,结果与诸多文献一致。本文用ARIMA模型和MIDAS类模型分别对所获得的通货膨胀溢价进行预测和对比分析,发现ARIMA模型在短期预测方面可以提供更高的精度,且在趋势和重要拐点处能够更好的追踪通货膨胀溢价的时间序列性质。进一步地,本文给出了以日为时间跨度的预期通货膨胀率的估计。通过与同期其他指标比较,发现本文得出的预期通货膨胀率较好的代表了人们对于未来通货膨胀走势及变化的预测。同时,本文首次给出了美国以日为时间跨度的通货膨胀预期的估计,为实时决策的制定以及后续相关研究提供了较大的参考意义。(本文来源于《厦门大学》期刊2018-07-01）
黄弘智[9]（2018）在《上交所国债利率期限结构实证分析与预测——基于Nelson-Siegel和一阶自回归模型》一文中研究指出本文根据2013年1月至2017年8月上海证券交易所国债收益率数据,预测2018年1~8月的国债零息曲线变动情况,考察政府和投资者对中国市场2018年的投资情绪,从而分析市场预测的经济走势,并利用Nelson-Siegel模型、一阶自回归模型进行实证研究。结果显示:一是2018年投入中国市场的资金将减少,投资者不看好中国上半年的经济形势;二是市场预期中国在2020年左右摆脱目前增速下滑的态势。(本文来源于《福建金融》期刊2018年06期）
李杰[10]（2018）在《基于神经网络的利率期限结构组合预测研究》一文中研究指出利率期限结构是指在某一时刻,不同期限的国债到期收益率与其剩余期限之间的关系。它不仅是金融产品定价的基准,也是宏观经济研究中的重要参考要素。研究如何获取精准的利率期限结构曲线具有学术价值和现实意义。以往的利率期限结构模型均以某种假定条件而推导得出,一旦真实市场不符合模型的假定条件,那么必然会影响预测结果。而神经网络作为一种大数据算法,完全依靠市场数据来拟合得出模型,主观性较小,可有效避免传统模型因参数设定不适而造成的误差。本文研究了如何应用4类神经网络来对利率期限结构进行预测,并进行了实证比较与组合优化。主要工作如下:(1)确定了应用4类神经网络时各自的最优参数取值,分别为BPNN的隐层节点数通过经验法则二确定,迭代次数5000次;WNN的隐层节点数通过经验法则叁确定,迭代次数10000次;RBFNN的隐层节点数通过经验法则四确定,平滑参数0.25;GRNN的平滑参数为7个测试样本所对应年度的最优值。(2)对4类神经网络利率期限结构模型的预测结果进行了对比研究,其中WNN的预测误差均值最小,为1.17;BPNN的预测标准差最小,为0.79。(3)构建了5种利率期限结构组合预测模型,并将5种组合模型与4类神经网络及彼此之间进行了对比分析。组合五的预测误差及稳定性最差,其误差均值及标准差为0.66和0.67,但这一结果仍旧低于4类神经网络中预测误差均值及标准差的最优值,证明组合预测模型可有效提升预测精度及其稳定性。组合叁的预测效果及稳定最好,其预测误差均值及标准差为0.37和0.37。(本文来源于《北京化工大学》期刊2018-05-23）
利率预测论文开题报告
（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：
下半年开局，关于全国房贷利率触底反弹的消息再次引发热议。那么，北京地区的市场情况如何？《证券日报》记者日前走访调查北京地区多家房产中介和银行发现，从整体情况来看，目前首套房贷款主流利率仍为基准利率上浮10%，二套房贷款利率为基准利率上浮20%。
（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。
利率预测论文参考文献
[1].程小勇.运用芝商所30天联邦基金期货预测美联储利率决议[N].期货日报.2019
[2].刘萌.北京首套房贷款主流利率仍为基准上浮10%专家预测下半年走势将保持平稳[N].证券日报.2019
[3].侯慧敏,刘峰涛.P2P网络借贷利率的非线性特征及预测研究[J].时代金融.2019
[4].吕淑睿.基于ARIMA模型的证券利率时间序列研究预测[J].科技经济导刊.2019
[5].梁亚敏.对银行利率、CPI和GDP的分析及预测[J].当代旅游(高尔夫旅行).2018
[6].冯兴溥.利率期限结构对通货膨胀率的预测——基于我国1995～2017年的经济数据的实证研究[J].科技经济导刊.2018
[7].王璐.基于流动性回归的企业中期票据发行利率的预测模型研究[J].内蒙古农业大学学报(社会科学版).2018
[8].顾彦召.实际利率、通货膨胀溢价及预期通货膨胀率的预测[D].厦门大学.2018
[9].黄弘智.上交所国债利率期限结构实证分析与预测——基于Nelson-Siegel和一阶自回归模型[J].福建金融.2018
[10].李杰.基于神经网络的利率期限结构组合预测研究[D].北京化工大学.2018
论文知识图
