阴阳波动率神经网络的澳大利亚股指趋势预测

发布时间：2023-02-19 14:02

　　本文主要探讨了两个问题,一个是金融市场价格趋势是否可预测的问题,另一个是如何建立预测模型问题。事实上,金融市场价格趋势是否可预测这个理论问题至今没有得到彻底的解决,而第二个探讨的问题其实也是对第一个理论问题的一种研究手段。因此本文主要内容放在对第二个问题的探讨上,寻找一个稳健的金融市场价格趋势预测模型。基于神经网络建立的非线性预测模型,虽然已经有很广泛的普遍性,但是如何解决神经网络预测模型的输入和输出依然是一个值得深入研究的课题。为此本文提出了一种从历史价格序列中提取模型输入特征向量的新方法——阴阳波动率偏差来建立神经网络预测模型,对模型的输出问题上则探讨了多个输出与单个输出的优劣。 本文首先回顾关于市场预测研究的历史进程和相关理论成果。然后对建立预测模型时需要用到的数学模型——前馈式神经网络做了算法介绍。在第三章对本文建立预测模型的主要创新理论做出详细描述,即模型的输入方法——阴阳波动率的相关理论与计算方法,包括计算小波阴阳波动率时需要用到的小波分析数学算法。阴阳波动率是对传统价格波动率赋予方向变化的一种创新扩展,相比传统波动率其不仅蕴含市场价格波动信息,而且包含市场价格在不同尺度空...

【文章页数】：85 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 概述
    1.2 金融市场可预测性研究综述
    1.3 本文的结构安排
第二章 建立预测模型的数学模型——前馈式神经网络
    2.1 引言
    2.2 多层前馈神经网络数学理论
        2.2.1 引言
        2.2.2 人工神经网络基本结构以及算法
        2.2.3 基于BP 算法的前馈神经网络
        2.2.4 基于多层前馈神经网络(FNN)预测模型
第三章 模型输入特征向量提取方法——阴阳波动率
    3.1 引言
    3.2 价格波动率
    3.3 阴阳波动率的数学定义
        3.3.1 金融价格时间序列的阴阳波动率
        3.3.2 相对阴阳波动率
    3.4 小波分析——利用小波分析计算移动平均值
        3.4.1 小波变换快速算法设计原理与步骤
        3.4.2 小波分解算法
        3.4.3 小波重构算法
第四章 金融市场价格短期趋势预测模型
    4.1 前馈神经网络(FNN)的市场价格短期趋势预测模型
    4.2 基于阴阳波动率的FNN 短期趋势预测模型
    4.3 检验模型效果的误差函数
第五章 澳大利亚股指短期趋势预测模型实证
    5.1 检验预测模型的实验数据准备
    5.2 基于不同输入集与输出集的前馈神经网络预测模型实证
        5.2.1 模型一单输入集单输出集模型——基准模型
        5.2.2 模型二多输入集单输出集模型
        5.2.3 模型三多输入集多输出集模型
        5.2.4 模型四基于单尺度空间阴阳波动率的单输入集模型
        5.2.5 模型五基于多个尺度空间阴阳波动率的多输入集模型
    5.3 基于阴阳波动率的神经网络预测模型扩展探讨
第六章 结论
致谢
参考文献
攻硕期间取得的研究成果



本文编号：3746357