短期国债

摘要： ?美国经济金融形势简评?“计划外”美联储会议做出“预料内”决议10月4日,美联储举行“计划外”货帀政策会议,并于10月11日公布了这次会议的决定:计划自10月15日起,通过每月购买600亿美元短期美国国债,将货币供应量维持在等同或高于今年9月初的水平,该行动将持续到明年第二季度,预计将总共购买高达5400亿美元的短期国债。这一购债金额跟2010年启动的第二轮量化宽松差不多。那一次,美联储每月大约买入750亿美元长期国债,总额为6000亿美元。因此有人认为美联储已经“重启量化宽松”。

摘要： 日本是个让很多中国人没有好感的国家，但我们正把越来越多的钱借给它。我一点也没有“危言耸听”。不久前，日本央行公布一项数据：截至2016年底，海外投资者共持有日本短期国债59．8万亿日元，占比达到50．9％。其中，

摘要： 日本是个让很多中国人没有好感的国家，但我们我一点也没有“危言耸听”。不久前，日本央行公布一项数据：截至2016年底，海外投资者其持有日本短期国债598万亿日元，占比达到50．9％。其中，中国投资者买入11．2万亿，是全球最大日债持有者。

摘要： 美国货币市场基金正在经历30多年来最翻天覆地的变化,最大几家基金公司表示这一变化将对投资者配置资产的方式产生永久的影响.这一即将出现的变化对美国政府而言是福音,却以银行和其他企业借款人为代价.投资者已经从购买定期存单和企业借据的优质基金撤资逾1万亿美元,涌向了只投资政府债券的基金,后者投资于短期国债和其他短期美国债券,而且不受新规的影响.

摘要： 通过走访河南省南阳市辖内国债销售量较大的工、农、中、建和邮储银行,通过各金融机构柜台发放300份调查问卷的方式对储蓄国债投资市场进行调查和分析,提出扩大储蓄国债投资者群体的优化建议。

摘要： 正瑞士政府成为有史以来首个以负利率发行基准十年期国债的政府;物价下滑和全球各大央行的空前举措正让全球市场进一步踏入未知领域在欧洲多个国家短期国债(低于五年)收益率跌破零水平之后,瑞士十年期国债终于创造历史,进入负收益时代。4月8日,瑞士央行出售规模达3.779亿瑞郎(3.91亿美元)、到期日为2025年和2049年的长期

摘要： Short term debt and long-term debt is different of financing work ,and the functional difference of regulating the economy is obvious :short-term debt has expansionary effect on the econo-my ,long-term bond on the economic impact is generally tightening .The financial sector in the design of treasury bonds ,should be the main factors to consider differences in short-term bond and long-term bond and influence of the debts’ term ,stressing the debts’ term strategy ,to better serve the economic development .%短期国债与中长期国债不仅融资功能存在差别，两者的经济调节功能差异明显：短期国债的发行对经济有扩张性影响，中长期国债的发行对经济的影响一般是紧缩性的。财政部门在设计国债期限时，应综合考虑短期国债与中长期国债的功能差异和影响国债期限的主要因素，讲求国债期限运用策略，更好地为经济发展服务。

摘要： 按照市场的解读，从2014年1月开始，日本央行将无终止期限，按每月13万亿日元（约合1450亿美元）的规模购买相关金融资产（其中包括2万亿日元的长期国债、10万亿日元的短期国债和1万亿日元的其它资产），这要比美国第四轮量化宽松的规模（每月850亿美元）还要大。

摘要： 正一、引言国债以国家的公信力为其信用度,被公认为拥有最高的信用度,最安全的投资工具。因而国债是一种低风险的金融工具,且其收益率代表了市场上无风险利率的水平及变化方向,随着债券市场的不断发展,国债收益率被广泛地应用于金融研究和实践中,成为分析利率走势和金融资产定价的基础。同时,国债本身也为投资者和筹资者提供了低风险的金融工具。国债的收益率体现了人们对基准利率及通货膨胀的预期,因此其收益率受宏观经济因素的影响较大。而作为一种利率产品,国债收益率体现了市场供求和社会资金的松紧度,债券市场与货币市场高度相关,货币政策尤其是价格型货币政策——利率,直接影响市场资金成本及可得性,影响市场利率水平,利率的变动对国债收益率的冲击已为市场所普遍

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于长短期记忆网络的风电功率短期预测方法，包括长短期记忆神经网络训练算法、短期风电预测误差分布算法和风电机组发电功率短期预测模型设计。本发明从深度学习网络出发，建立基于长短期记忆网络算法(LSTM)风电功率预测模型，以高斯混合模型(GMM)分析短期风电功率预测的误差分布特点。本发明通过GMM模型可以得到二台机组不同的置信区间。证明了LSTM方法具有更高的精确度和更快的收敛速度，GMM方法对于风电调度具有实际应用价值。

摘要： 本发明公开了一种基于小波长短期记忆网络的超短期风电功率预测方法，根据历史数据生成输入变量，以所对应的风功率历史数据作为输出，得到训练样本；采用小波分析方法对训练样本进行三级小波分解，得到四个小波样本，利用长短期记忆网络模型对四个小波样本分别进行训练，得到训练后的小波长短期记忆网络预测模型；根据四个小波样本的待预测时刻的实际数据生成测试输入数据，并输入到预测模型，其输出即为待预测的时刻的超短期风电功率预测值。本发明将小波分析方法与长短期记忆深度网络结合，可以同时实现数据的平稳化处理与深度学习，提高了预测的精度，增强了模型的泛化能力。

摘要： 本发明提供一种基于长短期记忆神经网络(Long Short‑TermMemory，LSTM)的规模风电超短期功率预测误差修正方法，包括：首先利用改进的核密度估计得出误差的概率密度曲线；其次，采用LSTM对预测误差数据进行深度学习，以风电的预测误差为输入，以下一时刻的误差为输出，得到误差的预测值；最后，根据粒子群算法得到合适的置信区间对误差进行合理分层，根据分层区间和误差预测值，结合风电预测误差的时序特征，制订预测误差的分层补偿策略，得到一种具有较强泛化性的预测误差补偿模型。

摘要： 本发明公开了一种基于长短期记忆网络的短期负荷预测方法，采集短期负荷数据，将所采集的短期负荷数据作为训练样本进行VMD分解，得到n个随机分量IMF；对于分解出的n个分量，每个分量构建对应的WOA‑LSTM模型，利用WOA对模型中的LSTM参数寻优，找出最合适的参数；采用最优参数的LSTM分别对分量数据IMF进行训练，得到各个分量的预测结果；基于分别寻优后构建的LSTM模型，分别利用LSTM模型对短期负荷数据进行测，每个LSTM模型输出相应的预测结果；通过将所有预测结果进行相加得到最终的负荷预测结果。

摘要： 本发明公开了一种基于改进长短期记忆神经网络的短期光伏发电预测方法，该方法对短期光伏发电预测需要数据进行数据分析得到训练数据集；构建长短期记忆神经网络，并将训练数据集输入长短期记忆神经网络进行训练；采用麻雀算法优化长短期记忆神经网络参数，得到优化后的长短期记忆神经网络，优化后的长短期记忆神经网络输出短期光伏发电功率预测值。即通过历史多维度、多时间尺度、高关联的数据进行短期光伏发电功率预测，从而缓解配电网中光伏发电的不确定性；采用麻雀算法优化长短期记忆神经网络参数，进一步提高预测效果。通过本发明的实施，能够较好的利用气象数据并提高短期光伏功率的预测精度，实现电网的经济和稳定运行。

摘要： 本发明专利公开一种基于长短期记忆神经网络的燃气短期负荷预测方法，该方法运用主成分相关分析(PCCA)算法、小波阈值去噪(LMD)算法及局部均值分解优化(WTD)算法优化长短期记忆神经(LSTM)网络模型，并运用该种新的燃气负荷组合预测方法，对城市燃气负荷量进行预测分析，PCCA‑LMD‑WT D‑LSTM预测模型在城市燃气负荷预测中，采用该种模型获得的最终MAPE精度均属于高精度水平，该模型预测结果优于单一的LSTM模型、BPNN模型和GRU模型。本发明解决了传统循环神经网络中的长时期依赖问题，适用于数据长度大的时间序列预测，且稳定性更高，可靠性更强。

摘要： 本发明公开了一种改进双向长短期记忆网络的风电功率超短期预测方法，包括如下步骤：对训练样本进行数据预处理；采集风电场的历史风功率数据向量，选取数值天气预报中与风电功率数据相关性最大的数据，并进行归一化处理；在双向长短期记忆网络和全连接层之间融入注意力机制模型，利用训练集对改进双向长短期记忆网络算法模型进行训练和参数优化；将测试集输入改进双向长短期记忆网络模型建立风电功率超短期预测模型，计算风电功率一小时后输出值Ppre。本发明利用双向长短期记忆网络对历史功率数据以及数字天气预报的双向记忆性能，融入注意力机制，对双向长短期记忆网络的隐藏层输出进行加权，有效的提高了预测精度。

摘要： 本发明公开了一种基于深度长短期记忆网络的短期负荷预测方法，解决了现有技术的不足，该方法包括以下步骤：步骤10)，获取样本特征变量历史数据，建立历史样本数据集；步骤20)，建立预测模型嵌入维输入数据集；步骤30)，建立深度长短期记忆神经网络预测模型并初始化网络权重；步骤40)，更新训练步骤30)建立的深度长短期记忆神经网络预测模型内部状态参数；步骤50)，计算输出本轮负荷预测值；步骤60)，引入本轮负荷真实值，计算损失函数；步骤70)，更新深度长短期记忆神经网络网络权重；步骤80)，根据判别函数判别迭代是否结束；步骤90)，迭代结束，输出深度长短期记忆神经网络预测模型。

摘要： 本发明涉及一种基于长短期记忆网络的光伏发电功率短期预测方法，包括:使用Pearson相关系数确定与发电功率高度相关的天气数据特征，使用LSTM网络模型建立了输入天气数据特征与输出发电功率之间的非线性关系，并捕捉了时间序列的相关性，针对季节和天气类型划分原始输入数据集，提高模型预测精度，对基于季节和天气类型的LSTM模型预测结果进行线性拟合处理，进一步提高模型预测的准确度。