基于神经网络的技术分析有效性研究

发布时间：2020-04-02 22:42

【摘要】：技术分析,作为金融分析中重要的组成部分,其手段随着信息技术的发展被不断的注入新的理论支持,新技术、新理论的应用更极大的使技术分析得到了空前的发展。中国股票市场成立以来,以技术分析为基础的研究也越来越引起国内广大投资者的关注。本文主要研究基于神经网络预测模型的技术分析在我国股票市场的有效性。本文首先综述了技术分析的研究发展现状,系统的介绍了金融市场有效性、技术分析有效性的概念、假设等核心内容。通过现有研究成果的引证回答了技术分析在中国证券市场有效性问题的研究意义。在以上理论的基础上,本文提出了基于人工神经网络的技术分析预测模型,采用了以人工神经网络的前馈型网络为基础结构,利用反向传播算法进行学习和训练的方法来拟合预测证券收益率。在技术分析收益显著性的检验上,针对被检验量不服从事先设定假设条件问题和存在的数据挖掘问题(data-snooping),本文采Bootstrap 方法来来检验结论的统计显著性和稳健性。实证研究一采用单隐层的BP神经网络作为预测模型并以随机漫步模型作为比较,研究动量策略应用于上证A 股综指所带来的超额收益。结果显示:随机漫步模型无法获得超额收益,基于神经网络的动量策略取得的总超额收益为正;运用Bootstrap 检验方法得到的p-值也证明基于神经网络的动量策略具有较好的获利性和稳定性。此外,通过计算和比较还发现,较高的预测准确度进一步显示了基于神经网络的技术分析手段优于简单技术分析方法的特性。实证研究二同样采用隐层的BP 神经网络对逆向策略收益率进行预测,并将样本细分为三个代表不同市场环境的子区间考察逆向策略的不同效果。结果显示:在整个样本区间内基于神经网络的逆向策略能获得正的超额收益,运用Bootstrap检验方法得到的p-值也证明这些超额收益显著大于零,因此可以推断基于神经网络的逆向策略运用于我国证券市场预测具有一定的获利能力。而对不同市场环境的分析进一步显示:在盘整市态中逆向策略能够发挥很好的效果,在持续上升市中的效果已经降低,在持续下跌市中基本上无效,这也表明投资者在进行技术分析的时候需要考虑到不同的市场情况。总体而言本文支持在我国现阶段股市中基于神经网络的技术分析有效、股票收益可以预测的结论。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：F830.91

【参考文献】