“余额宝”资金流入预测研究

发布时间：2024-03-05 22:52

　　互联网金融近几年成为业界和学术界讨论的热门话题。从国内学术界开始关注互联网金融领域不到三年的时间内,大部分研究都还只停留在定性层面,缺乏定量研究。本文从互联网金融资金流预测的角度出发,希望对国内互联网金融领域的研究起到补充作用。本文首先回顾了互联网金融领域目前国内外主要的研究成果和应用。然后详细介绍了STL分解法的理论原理和算法实现,并归纳梳理了时间序列预测的一些经典方法。之后本文重点介绍了STL分解和ARIMA、HW、Theta的组合预测模型。在最后的实证研究中同时用三种经典预测方法和组合方法对“余额宝”日申购额未来一个月的数据进行预测,并将不同模型的预测效果相比较,得出以下几项重要结论:1)组合预测模型先用STL分解将序列的各个成分分离,再针对各个成分选择最合适的预测模型,更容易了解数据的结构特征,使整个预测过程更容易解释且实用性强。2)组合模型将残差成分融入整个预测过程,提高了信息利用率,最大程度上减少了模型拟合过程中的信息损失。3)由于组合模型的思想是将各个成分表现优秀的预测模型组合在一起,因此组合模型在短期预测方面不仅表现良好,而且稳定。4)组合模型在长期预测上表现最好。长期...

【文章页数】：80 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及研究意义
    1.2 国内外研究现状与存在的问题
    1.3 本文研究内容及研究方法
第二章 STL分解法
    2.1 时间序列成分
    2.2 时间序列分解方法综述
    2.3 STL分解法
        2.3.1 STL分解法的定义
        2.3.2 STL分解法参数确定
        2.3.3 计算方法
        2.3.4 STL分解法的应用
    2.4 本章小结
第三章 时间序列模型介绍
    3.1 时间序列的基本概念
        3.1.1 平稳性及平稳性检验
        3.1.2 自相关系数和偏自相关系数
        3.1.3 白噪声及白噪声检验
    3.2 非平稳季节ARIMA模型
    3.3 Theta模型
    3.4 Holt-Winters季节模型
第四章 STL分解和ARIMA、HW、Theta的组合预测模型
    4.1 组合模型原理简介
    4.2 STL分解和ARIMA、HW、Theta的组合预测模型介绍
        4.2.1 成分分解
        4.2.2 各分解成分的预测
        4.2.3 残差成分的外推
        4.2.4 预测方式
    4.3 本章小结
第五章 “余额宝”资金流入预测实证分析
    5.1 研究背景及数据介绍
    5.2 数据准备
    5.3 非平稳季节ARIMA模型建模过程及结果分析
    5.4 Theta模型拟合过程及结果分析
    5.5 Holt-Winters季节模型建模过程及结果分析
    5.6 组合预测模型的建模过程及预测结果对比分析
        5.6.1 STL分解结果
        5.6.2 组合预测模型的建模过程及预测结果
        5.6.3 各种预测方法对比分析
    5.7 本章小结
第六章 论文总结与展望
    6.1 本文工作总结及研究结论
    6.2 研究展望
参考文献
附录1
致谢



本文编号：3920166