基于神经网络的基金净值预测研究

发布时间：2020-05-04 10:22

【摘要】： 随着社会经济的发展,基金已经成为人们投资理财的一种重要工具。基金作为一种先进的制度安排和理财工具,受到各国投资者的高度重视。基金业绩不但反映了受托责任,而且提供了投资决策有用信息,它是基金管理者的管理指南,是基金投资者的投资向导。它不但关系到基金行业的健康发展,而且对整个证券市场的繁荣具有重要意义。作为一种风险与收益并存的投资工具,基金的风险性主要表现为基金价格的波动性。对基金价格波动进行预测能够反映基金公司的总体状况,能够比较准确的预测基金价格对于投资决策具有重要的指导意义。 本文利用神经网络理论的辨识特性,建立了基金净值预测的BP神经网络预测模型。通过对具有代表性的投资基金“基金金泰”的实证分析,并和灰色模型预测的结果进行比较分析,表明该模型具有很好的非线性反映能力和学习能力、预测精度,能准确预测基金净值的变化趋势和上升与下降趋势的转折点,为预测基金净值未来走势提供了一个有效的方法。 本课题的意义在于:探究新的基金投资风险分析和评估技术,丰富和完善基金投资风险和评估方法体系;提供一种基于多因素的基金投资风险定量分析技术,有利于提高评估的正确性;提供一种基于BP神经网络的综合评估方法,有利于提高评估的科学性;为基金市场的个人投资者和机构投资者的投资活动和投资决策提供新的思路和实用方法。
【图文】：

图 3-1 神经元处理模型图给出的是一个基本的神经元处理模型。它的处理WiXi和激励 y f WiXi两个步骤。人工神经元又称环境或别的神经元的输出构成了输入向量 X ，X ，...，12元的是可调整的权值。通常还加上了一个阈值常数j 程可以表示为 jTjjy fWX 以写成 jnijjiiy fWX 1

图 3-2 单层网络结构图单元特性外，网络的拓扑结构也是神经网络的一个重要特征，网络主要有两种。．前馈型网络神经元接受前一层的输入，并输出给下一层，没有反馈。节点单元和计算单元，每一计算单元可有任意多个输入，但只有一到任意多个其它节点作为其输入)。前馈网络可分为不同的层，第i 1层的输出相连，输入和输出节点与外界相连，而其它中．反馈型网络有节点都有是计算单元，同时也可接受输入，并向外界输出。图，其中每个连接线都是双向的，若总单元数为 n，，则每一个和 1 个输出。神经网络的工作过程主要分为两个阶段，一个阶段
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2008
【分类号】：F830.91;F224

【引证文献】

相关期刊论文 前2条

1 肖国荣;;BP神经网络在基金价格预测中的应用研究[J];计算机仿真;2011年03期

2 刘丽峰;;组合模型的基金净值预测研究[J];计算机仿真;2011年05期

相关硕士学位论文 前3条

1 郑在诚;我国证券投资基金收益的可预测性研究[D];东北财经大学;2010年

2 唐然风;数据挖掘在证券投资分析中的应用[D];长春理工大学;2011年

3 陆红梅;基于FPR-ANN的建筑工程成本预测模型研究[D];天津大学;2010年

本文编号：2648398