基于4类神经网络的国债利率期限结构预测

发布时间：2018-03-04 14:51

本文选题：利率期限结构　切入点：预测　出处：《北京化工大学学报(自然科学版)》2017年03期 　论文类型：期刊论文

【摘要】：以2011年1月至2016年7月的国债月度数据为样本,研究了在利率期限结构预测中,反向传播神经网络(BPNN)、小波神经网络(WNN)、径向基神经网络(RBFNN)和广义回归神经网络(GRNN)4种网络中相关参数的设定对精度的影响,并对预测效果进行实证比较。研究结果表明:广义回归神经网络预测效果较好,反向传播神经网络预测结果波动性较小,小波神经网络和径向基神经网络预测结果波动性较大。
[Abstract]:Based on the monthly data of Treasury bonds from January 2011 to July 2016, the paper studies the forecast of interest rate term structure. The influence on precision of the related parameters in four kinds of neural networks, such as BPNNN, WNNN, RBFNNN and GRNNN, respectively, is discussed in this paper. The results show that the generalized regression neural network has better prediction effect, the back propagation neural network has less volatility, and the wavelet neural network and radial basis function neural network have great volatility.
【作者单位】：北京化工大学经济管理学院;对外经济贸易大学金融学院;
【基金】：国家自然科学基金(71631005) 教育部人文社会科学研究规划基金(16YJA630078)
【分类号】：F812.5;F832.51;TP183

【相似文献】