考虑供需、金融、阶段特性因素的轻稀土产品价格预测
发布时间:2024-01-16 18:36
稀土是极其重要的元素,具有丰富的性能,尤其在高新技术领域具有举足轻重的地位。我国轻稀土储量丰富,主要集中在包头市白云鄂博矿区,其储量占全国稀土总储量的90%以上,居世界第一。稀土价格低廉且波动大,在开采及冶炼过程中,使我国付出了巨大的环境成本。2018年中美贸易战中,稀土作为一张潜力王牌也受到了极大地关注。因此,在当下经济和贸易风险以及环境污染问题越来越突出的背景下,对稀土产品进行价格预测,不仅是保证国家、行业、企业健康可持续发展的一项重要工作,也是有效利用稀土资源、潜在减少环境污染以及规避价格波动风险的必要手段。本文以轻稀土下游应用最广泛的永磁材料市场中用量最多的稀土产品氧化镨、氧化钕和氧化铈为研究对象,不仅考虑了国内外下游行业需求因素,还考虑了对稀土产品现货市场价格产生微弱的直接影响或通过对其他大宗商品的影响进而对稀土产品价格间接产生冲击的金融因素,作为轻稀土产品价格波动的影响因素。采用非线性研究方法构建氧化铈、氧化钕和氧化镨的考虑金融因素、需求因素的模型,分别获得了具有区制转换特征的氧化铈、氧化钕和氧化镨MSVAR模型。结果显示,三种产品都表现出了三个明显的区制特征,区制1表现为...
【文章页数】:77 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 选题的背景及研究意义
1.2 选题意义
1.2.1 理论意义
1.2.2 实践意义
1.3 主要研究内容
1.4 文章的创新点
2 文献综述
2.1 稀土产品价格研究现状
2.2 资源品价格影响因素的研究进展
2.2.1 供需因素
2.2.2 金融因素
2.3 分阶段价格影响因素
2.4 价格预测方法演进与启示
2.4.1 定性预测方法
2.4.2 定量预测方法
2.5 决策树方法
2.6 文献评述
3 轻稀土资源现状
3.1 稀土产品类别
3.2 轻稀土主要应用领域
3.3 轻稀土的分布及储量
3.4 轻稀土进出口贸易情况
3.4.1 轻稀土市场状况
3.4.2 中国轻稀土进出口量
3.5 轻稀土价格波动特点及原因
3.5.1 价格波动特点
3.5.2 价格波动原因
4 多因素多阶段MSVAR模型构建
4.1 轻稀土价格决定框架
4.1.1 影响轻稀土价格的供需因素分析
4.1.2 影响轻稀土价格的金融因素分析
4.2 马尔科夫向量自回归模型介绍
4.3 数据来源及说明
4.3.1 变量选取
4.3.2 数据来源及描述性统计
4.4 实证结果及分析
4.4.1 数据处理
4.4.2 马尔科夫向量自回归模型的选择
4.4.3 模型有效性
5 轻稀土价格预测
5.1 金融数据挖掘方法比较与选择
5.2 决策树及其组合预测方法
5.2.1 决策树方法
5.2.2 决策树组合方法
5.3 预测结果分析比较
5.3.1 氧化铈的预测结果
5.3.2 氧化钕的预测结果
5.3.3 氧化镨的预测结果
6 研究结论、建议及展望
6.1 研究结论
6.2 对策建议
6.2.1 企业层面
6.2.2 行业层面
6.3 展望
参考文献
在学研究成果
致谢
附录A 决策树及决策树组合预测R工作代码
附录B 原始数据
本文编号:3878990
【文章页数】:77 页
【学位级别】:硕士
【文章目录】:
摘要
Abstract
1 绪论
1.1 选题的背景及研究意义
1.2 选题意义
1.2.1 理论意义
1.2.2 实践意义
1.3 主要研究内容
1.4 文章的创新点
2 文献综述
2.1 稀土产品价格研究现状
2.2 资源品价格影响因素的研究进展
2.2.1 供需因素
2.2.2 金融因素
2.3 分阶段价格影响因素
2.4 价格预测方法演进与启示
2.4.1 定性预测方法
2.4.2 定量预测方法
2.5 决策树方法
2.6 文献评述
3 轻稀土资源现状
3.1 稀土产品类别
3.2 轻稀土主要应用领域
3.3 轻稀土的分布及储量
3.4 轻稀土进出口贸易情况
3.4.1 轻稀土市场状况
3.4.2 中国轻稀土进出口量
3.5 轻稀土价格波动特点及原因
3.5.1 价格波动特点
3.5.2 价格波动原因
4 多因素多阶段MSVAR模型构建
4.1 轻稀土价格决定框架
4.1.1 影响轻稀土价格的供需因素分析
4.1.2 影响轻稀土价格的金融因素分析
4.2 马尔科夫向量自回归模型介绍
4.3 数据来源及说明
4.3.1 变量选取
4.3.2 数据来源及描述性统计
4.4 实证结果及分析
4.4.1 数据处理
4.4.2 马尔科夫向量自回归模型的选择
4.4.3 模型有效性
5 轻稀土价格预测
5.1 金融数据挖掘方法比较与选择
5.2 决策树及其组合预测方法
5.2.1 决策树方法
5.2.2 决策树组合方法
5.3 预测结果分析比较
5.3.1 氧化铈的预测结果
5.3.2 氧化钕的预测结果
5.3.3 氧化镨的预测结果
6 研究结论、建议及展望
6.1 研究结论
6.2 对策建议
6.2.1 企业层面
6.2.2 行业层面
6.3 展望
参考文献
在学研究成果
致谢
附录A 决策树及决策树组合预测R工作代码
附录B 原始数据
本文编号:3878990
本文链接:https://www.wllwen.com/weiguanjingjilunwen/3878990.html