基于组合模型的交易量预测研究
发布时间：2021-03-02 07:15
随着信息技术逐渐深入人们的日常生活,金融领域也开始了全方位的科技化改革,以互联网为依托的网上银行得到了金融业的高度关注。为了提高自身竞争力,加速完成从传统银行的转变,各大银行均将网上银行的发展提上了日程。网上银行的实质是虚拟银行,它不存在任何实体机构,仅以互联网为载体连接客户与银行。网上银行可以帮助客户在任何时间、任何地点以任意的方式实现交易需求、获得全方位的服务。在这个快节奏的社会里,实时、快捷、方便和成本低等优势使网上银行极大的满足了客户的使用需求。近年来,网上银行个性化产品的开发在向更深层次纵深,年交易额总量也在逐年增加。虽然与传统业务相比,网银业务的消费者占比和交易额占比较小,但仍存在着较大的发展空间。因此对网上银行的交易量情况进行研究,可以为网上银行的产品开发以及多维度发展提供重要依据,对整个银行业的发展具有重要意义。本文选取工商银行网上银行2018年9月到2019年3月的交易量数据作为研究对象,利用Eviews软件、Excel软件和R语言对数据进行处理并建立模型分析。模型建立前,选取2018.9至2019.2共180天的交易量数据作为训练数据集,2019.3的交易量数据作为...
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：49 页
【学位级别】：硕士
【部分图文】：
图３．１部分交易量数据??为了更好的了解交易量数据的整体情况，利用ｓｕｍｍａｒｙＯ和ｄｅｓｃｒｉｂｅ（）函数对数??
／Ｓａｌ硕士学位论文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ为标准化后的数据，Ｘ为原始数据，ｐ为原始数据均值，＾为原始数据??标准差。??在数据采集过程中发现２．２８、３．８与３．２０三天的数据缺失，本文采用平均值填??充的方法对缺失值进行了处理。处理后的交易量数据波动情况如图３．２所示。??？?，?！＼??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??图３．２交易量数据波动图??由图３．２可知，交易量序列存在上升趋势，并且存在一定的周期性，大致为３０??天一个周期。本文选择２０１８．９至２０１９．２的交易量数据为训练集，共１８０个数据。??２０１９．３的交易量数据为测试集，共２３个数据。为了更好的了解训练集数据的波动??情况，做出训练集数据时序图如图３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??图３．３训练集数据波动图??由上图可以判断，交易量数据每个月都会出现峰值。第一个峰值为１０月上旬，??也就是国庆假期前后。第二个峰值为ＩＩ月中旬，也就是双十一前后。第三个峰值??为１２月中下旬，可能是双十二、圣诞节以及元旦带来的影响。第四个峰值为Ｉ月??末，可能是农历假期带来的影响。??１３??
／Ｓａｌ硕士学位论文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ为标准化后的数据，Ｘ为原始数据，ｐ为原始数据均值，＾为原始数据??标准差。??在数据采集过程中发现２．２８、３．８与３．２０三天的数据缺失，本文采用平均值填??充的方法对缺失值进行了处理。处理后的交易量数据波动情况如图３．２所示。??？?，?！＼??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??图３．２交易量数据波动图??由图３．２可知，交易量序列存在上升趋势，并且存在一定的周期性，大致为３０??天一个周期。本文选择２０１８．９至２０１９．２的交易量数据为训练集，共１８０个数据。??２０１９．３的交易量数据为测试集，共２３个数据。为了更好的了解训练集数据的波动??情况，做出训练集数据时序图如图３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??图３．３训练集数据波动图??由上图可以判断，交易量数据每个月都会出现峰值。第一个峰值为１０月上旬，??也就是国庆假期前后。第二个峰值为ＩＩ月中旬，也就是双十一前后。第三个峰值??为１２月中下旬，可能是双十二、圣诞节以及元旦带来的影响。第四个峰值为Ｉ月??末，可能是农历假期带来的影响。??１３??
【参考文献】：
期刊论文
[1]基于ARIMA模型的人民币汇率分析及预测[J]. 孔佳文,卞佳祎,方小萱,李文. 现代经济信息. 2016(11)
[2]基于GARCH模型的短期汇率预测[J]. 魏红燕,孟纯军. 经济数学. 2014(01)
[3]基于ARIMA模型和GARCH模型的美元指数波动性分析[J]. 王未卿,吕亚. 财会月刊. 2012(30)
[4]我国网上银行业务发展现状及相关问题对策研究[J]. 邹湘豫. 中国市场. 2010(32)
[5]去异方差交易量与价格波动关系研究[J]. 文凤华,饶贵添,张小勇,杨晓光. 管理科学学报. 2010(03)
[6]中国股市交易量波动率和交易量相关性关系的实证研究[J]. 尹为醇. 世界经济情况. 2010(03)
[7]沪深股市交易量与收益率及其波动的相关性:来自实证分析的证据[J]. 赵留彦,王一鸣. 经济科学. 2003(02)
硕士论文
[1]基于图嵌入与弹性网络回归的特征提取算法及其在人脸识别中的应用[D]. 刘毛溪.南昌航空大学 2017
[2]交互效应下的模型选择[D]. 陈笑弟.中国科学技术大学 2016
[3]几种变量选择方法在Cox模型中的应用[D]. 韦新星.广西大学 2015
[4]正则参数下指数族分布回归模型的变量选择方法研究[D]. 吴文俊.广西师范学院 2014
[5]Elastic Net方法在几类模型变量选择中的应用[D]. 黄登香.广西大学 2014
[6]基于张量的图像识别方法的研究[D]. 孙明芳.吉林大学 2012
[7]基于稀疏偏最小二乘算法的生物组学数据融合算法研究[D]. 王锋.吉林大学 2012
[8]广义线性模型基于Elastic Net的变量选择方法研究[D]. 卢颖.北京交通大学 2011
[9]沪深股市波动率特征及其与交易量关系研究[D]. 江求川.华中科技大学 2010
本文编号：3058859
【文章来源】：华中师范大学湖北省 211工程院校 教育部直属院校
【文章页数】：49 页
【学位级别】：硕士
【部分图文】：
图３．１部分交易量数据??为了更好的了解交易量数据的整体情况，利用ｓｕｍｍａｒｙＯ和ｄｅｓｃｒｉｂｅ（）函数对数??
／Ｓａｌ硕士学位论文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ为标准化后的数据，Ｘ为原始数据，ｐ为原始数据均值，＾为原始数据??标准差。??在数据采集过程中发现２．２８、３．８与３．２０三天的数据缺失，本文采用平均值填??充的方法对缺失值进行了处理。处理后的交易量数据波动情况如图３．２所示。??？?，?！＼??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??图３．２交易量数据波动图??由图３．２可知，交易量序列存在上升趋势，并且存在一定的周期性，大致为３０??天一个周期。本文选择２０１８．９至２０１９．２的交易量数据为训练集，共１８０个数据。??２０１９．３的交易量数据为测试集，共２３个数据。为了更好的了解训练集数据的波动??情况，做出训练集数据时序图如图３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??图３．３训练集数据波动图??由上图可以判断，交易量数据每个月都会出现峰值。第一个峰值为１０月上旬，??也就是国庆假期前后。第二个峰值为ＩＩ月中旬，也就是双十一前后。第三个峰值??为１２月中下旬，可能是双十二、圣诞节以及元旦带来的影响。第四个峰值为Ｉ月??末，可能是农历假期带来的影响。??１３??
／Ｓａｌ硕士学位论文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ为标准化后的数据，Ｘ为原始数据，ｐ为原始数据均值，＾为原始数据??标准差。??在数据采集过程中发现２．２８、３．８与３．２０三天的数据缺失，本文采用平均值填??充的方法对缺失值进行了处理。处理后的交易量数据波动情况如图３．２所示。??？?，?！＼??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??图３．２交易量数据波动图??由图３．２可知，交易量序列存在上升趋势，并且存在一定的周期性，大致为３０??天一个周期。本文选择２０１８．９至２０１９．２的交易量数据为训练集，共１８０个数据。??２０１９．３的交易量数据为测试集，共２３个数据。为了更好的了解训练集数据的波动??情况，做出训练集数据时序图如图３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??图３．３训练集数据波动图??由上图可以判断，交易量数据每个月都会出现峰值。第一个峰值为１０月上旬，??也就是国庆假期前后。第二个峰值为ＩＩ月中旬，也就是双十一前后。第三个峰值??为１２月中下旬，可能是双十二、圣诞节以及元旦带来的影响。第四个峰值为Ｉ月??末，可能是农历假期带来的影响。??１３??
【参考文献】：
期刊论文
[1]基于ARIMA模型的人民币汇率分析及预测[J]. 孔佳文,卞佳祎,方小萱,李文. 现代经济信息. 2016(11)
[2]基于GARCH模型的短期汇率预测[J]. 魏红燕,孟纯军. 经济数学. 2014(01)
[3]基于ARIMA模型和GARCH模型的美元指数波动性分析[J]. 王未卿,吕亚. 财会月刊. 2012(30)
[4]我国网上银行业务发展现状及相关问题对策研究[J]. 邹湘豫. 中国市场. 2010(32)
[5]去异方差交易量与价格波动关系研究[J]. 文凤华,饶贵添,张小勇,杨晓光. 管理科学学报. 2010(03)
[6]中国股市交易量波动率和交易量相关性关系的实证研究[J]. 尹为醇. 世界经济情况. 2010(03)
[7]沪深股市交易量与收益率及其波动的相关性:来自实证分析的证据[J]. 赵留彦,王一鸣. 经济科学. 2003(02)
硕士论文
[1]基于图嵌入与弹性网络回归的特征提取算法及其在人脸识别中的应用[D]. 刘毛溪.南昌航空大学 2017
[2]交互效应下的模型选择[D]. 陈笑弟.中国科学技术大学 2016
[3]几种变量选择方法在Cox模型中的应用[D]. 韦新星.广西大学 2015
[4]正则参数下指数族分布回归模型的变量选择方法研究[D]. 吴文俊.广西师范学院 2014
[5]Elastic Net方法在几类模型变量选择中的应用[D]. 黄登香.广西大学 2014
[6]基于张量的图像识别方法的研究[D]. 孙明芳.吉林大学 2012
[7]基于稀疏偏最小二乘算法的生物组学数据融合算法研究[D]. 王锋.吉林大学 2012
[8]广义线性模型基于Elastic Net的变量选择方法研究[D]. 卢颖.北京交通大学 2011
[9]沪深股市波动率特征及其与交易量关系研究[D]. 江求川.华中科技大学 2010
本文编号：3058859
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3058859.html
