基于人工神经网络的中国股票市场预期收益率的实证分析

发布时间：2020-06-18 01:55

【摘要】：本论文采用人工神经网络技术对中国股票市场的预期收益率进行实证分析。 近三十年来，国内外大量的学者针对资本定价模型有效性问题展开深入研究，其核心与实质是验证β风险系数对股票的平均收益是否具有完全解释能力。学者们主要采用的是由Fama和Macbeth(1973)提出的，用来研究股票市场因素模型的横截面回归分析法(F-M方法)。实证结论大多倾向于，β风险系数对股票的平均收益的解释能力已经走向死亡。而且最近20多年的研究发现，预期收益率并不能由β风险系数单独决定，其他基本变量也有解释作用。 作者在国内外学者的研究基础上，提出中国股票市场预期收益率五因子模型，其中除常见的β风险系数、σ~2总风险系数、规模和收益价格比等若干基础变量之外，增加了交易量作为新的自变量。文中分析涉及的所有五个基础变量，通过采集CSMAR数据库，运用VFP软件中的人工神经网络工具自编程序，对各基础变量与股市预期收益率的关系作为实证验证。同时本文还提出四因子模型与五因子模型进行对照分析。 论文中归纳了采用人工神经网络方法(ANN)与采用横截面回归分析法(F-M)对股票市场预期收益率实证分析的异同。采用ANN方法时，发现在上海与深圳两个股票市场预期收益率的解释变量中，交易量、β风险系数与σ~2总风险系数的解释能力一般。这个实证结论与别的学者采用F-M方法得到的实证结论大体相当。但是，与F-M方法相比，ANN方法在对股票市场的预期收益率实证分析过程中，至少体现出三点优势。第一、ANN能够反映模型的输入变量与输出变量之间的非线性单调的关系，而F-M法只能反映线性关系；第二、ANN能够直接给出模型中输入变量与输出变量之间的基本函数关系，而F-M方法只能通过回归得到模型自变量与因变量之间线性相关的统计量；第三、ANN得到模型的函数关系后，易于扩展。本论文就在训练好的人工神经网络基础上，通过扰动分析得到预期收益率相对变化量影响因子。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2004
【分类号】：F832.5
【图文】：

几次到40次时，网络的训练误差就会变得足够小。图4一3典型的误差和循环次数之间的关系图4一3中为训练神经网时，一个典型的误差和循环次数之间的关系。其中误差(图中为Performance)用mse()函数计算得到，为仿真输出和预期输出间的均方误差。如图所示，在第5个循环附近，误差己趋近饱和值0.00525722。4因子模型对应的神经网络中，训练后得到的典型的权重和偏置矩阵见附录2，权重和偏置矩阵。图4一4给出了一段典型的训练后仿真输出和预期输出之间的关系。其中，横

表5一3五因子模型深市收益率相对变化量影影响因子S，(乘权化，x记录数/误差)BBBeta系数数总风险系数数规模模交易星星1111014962，011110505754.0777124864610.44435035303.2777表5一4五因子模型深市收益率相对变化量影响因影影响因子况(乘权化，x记录数/误差)BBBeta系数数总风险系数数规模模交易量量000.05969928880.056937214440676718964440.18987809333图形输出如下，数据标识l代表风险系数日;数据数据标识3代表规模:数据标识4代表交易量;数据标

【相似文献】

相关期刊论文 前10条

1 杨杰;潘开灵;;浅谈主成分分析与神经网络在物流中心选址中的应用[J];武汉冶金管理干部学院学报;2011年02期

2 相翔;;基于SOM网络的城市分类探讨及实证分析[J];中国集体经济;2011年18期

3 程玲莎;;人工神经网络在财务管理领域运用的研究概况[J];中国管理信息化;2011年16期

4 戴添发;赵鸿;;随机变异—优化选择神经网络在铁货运量预测方面的应用[J];新疆师范大学学报(自然科学版);2011年02期

5 奚丽波;孟凡芹;王占武;;后勤装备维修器材储备模式与分类方法研究[J];物流技术;2011年15期

6 曹蓓;;理财产品抢滩收益率[J];山西青年;2011年06期

7 朱雅菊;;基于LVQ神经网络模型的房地产预警研究[J];陕西科技大学学报(自然科学版);2011年04期

8 ;6月银行理财产品月评[J];大众理财顾问;2011年08期

9 马国丰;陈志琴;;基于BP神经网络的轨道交通车站工程项目估价研究[J];项目管理技术;2011年07期

10 ;短期产品量升 信贷产品价增[J];大众理财顾问;2011年07期

相关会议论文 前10条

1 冯玉强;黄梯云;;基于人工神经网络的人口发展模型的自动选择[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

2 赵卿;曹晓岚;;人工神经网络及其在医学中的应用[A];第五次全国中西医结合神经科学术会议论文集[C];2004年

3 田国富;张国忠;张幼君;;人工神经网络在齿轮设计中的应用[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（下）[C];2003年

4 汪学清;单仁亮;;人工神经网络在爆破块度预测中的应用研究[A];第二届中国水利水电岩土力学与工程学术讨论会论文集（一）[C];2008年

5 应义斌;景寒松;赵匀;;人工神经网络在黄花梨果形识别中的应用[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

6 周保生;朱维申;;巷道围岩移近量的人工神经网络预测[A];第一届海峡两岸隧道与地下工程学术与技术研讨会论文集（下册）[C];1999年

7 闵惜琳;;信息系统中基于神经网络的统计需求分析[A];西部开发与系统工程——中国系统工程学会第12届年会论文集[C];2002年

8 赵金鑫;许宝杰;;基于改进的BP网络的矿用风机故障诊断方法的研究[A];第八届全国设备与维修工程学术会议、第十三届全国设备监测与诊断学术会议论文集[C];2008年

9 刘永清;刘泉宝;蔡广基;;最大存贮容量的前馈神经网络拓扑结构的研究[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

10 赵林度;陈斐松;陈天滋;;基于BP算法的图象数据压缩的研究[A];1995中国控制与决策学术年会论文集[C];1995年

相关重要报纸文章 前10条

1 胡性慧　王唯赫 杨腾;人工神经网络拓宽版权贸易路径[N];中国知识产权报;2010年

2 记者 张莫;是赚是赔？专家详解高收益产品[N];经济参考报;2011年

3 张东方;沙明;杨松松;人工神经网络在中药领域中的应用[N];中国医药报;2003年

4 本报记者 靖九江 采写;人工神经网络在临床上的应用[N];中国医药报;2005年

5 苑希民（中国水利水电科学研究院决策支持技术研究室 主任） 李彦彬 徐建新（华北水利水电学院） 李鸿雁（北京理工大学管理与经济学院） 苑韶峰 吕军（浙江大学环境与资源学院）;人工神经网络 灵感源于大脑[N];中国水利报;2005年

6 徐辉;千金难买牛回头[N];中国证券报;2007年

7 中国邮政储蓄银行 刘晋;节后市场值得期待[N];中国证券报;2009年

8 ;收益预期影响投资方向[N];证券时报;2008年

9 记者 周前进;人工神经网络可筛查糖尿病[N];健康报;2000年

10 王辉;07农发03预期收益率：2.60%左右[N];中国证券报;2007年

相关博士学位论文 前10条

1 吴建发;优选压裂井方法研究[D];西南石油学院;2005年

2 李军红;冷轧带肋钢筋工艺的现代优化方法及质量控制[D];南昌大学;2006年

3 Han Qiang;[D];山东大学;2005年

4 申金山;基于人工神经网络的化学发光法及光度法在多组分同时测定中的应用研究[D];四川大学;2005年

5 张治国;人工神经网络及其在地学中的应用研究[D];吉林大学;2006年

6 王海瑞;密闭式城市生活垃圾直接气化熔融焚烧过程控制策略研究[D];昆明理工大学;2007年

7 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年

8 刘永阔;核动力装置故障诊断智能技术的研究[D];哈尔滨工程大学;2006年

9 蒲秀娟;胎儿心电信号提取研究[D];重庆大学;2009年

10 O-炜;基于人工神经网络的混合智能系统研究及应用[D];哈尔滨工程大学;2009年

相关硕士学位论文 前10条

1 张超;基于人工神经网络的中国股票市场预期收益率的实证分析[D];北京工业大学;2004年

2 赵大伟;基于人工神经网络的中国股票市场收益率预测研究[D];燕山大学;2009年

3 刘永福;人工神经网络在上海股市趋势预测中的应用——与时间序列预测对比分析[D];东北财经大学;2003年

4 盛本云;人工神经网络在变电站综合自动化系统优化中的应用[D];南京理工大学;2003年

5 薛新华;人工神经网络在地基土液化判别中的作用[D];中国海洋大学;2004年

6 董添文;CO_2气体保护焊干扰因素计算机识别系统的研究与设计[D];内蒙古工业大学;2005年

7 金洪星;脑电图自动检测技术的研究和应用[D];南京工业大学;2005年

8 徐学明;基于人工神经网络的车辆跟驰模型研究[D];北京工业大学;2006年

9 黄智;四川工业经济预警方法、模型与信息系统研究[D];四川大学;2006年

10 黄雪燕;人工神经网络在GDP预测中的应用研究[D];吉林大学;2007年

本文编号：2718506