基于GOGA-FAVAR模型与深度学习模型的股票价格预测研究

发布时间：2024-06-10 22:11

　　自1990年中国A股市场诞生以来,随着我国金融改革的不断深化,中国金融市场的不断完善,越来越多的投资者选择进入股票市场进行理财投资。然而由于金融市场中的股票价格是一种极其复杂的非线性系统,再加之A股市场还并未十分完善,因此对A股市场的研究以及股票价格的预测一直是金融界及学术界研究中的焦点。为了能够更加准确地对股票市场进行分析及预测,国内外学者采用过众多经典的经济学模型进行建模,然而由于经典的经济学模型所能包含的维度一般偏低,无法包含股票市场中的系统性信息,对股票市场中复杂多样的变化适应力较差。Bernanke(2005)为了解决VAR模型在面对宏观经济问题时由于模型本身的局限性导致无法包含高维度信息的问题,提出了Factor Augmented Vector Autoregression。本文借鉴该模型的理论基础,将该模型应用在股票市场的研究上,利用主成分分析的方法从股票市场中提取出能够代表环境特征的特征因子。并将其与标准VAR模型结合,成功解决了标准VAR模型由于模型局限性而无法包含股票市场中系统性信息的缺陷。在此基础上,为了能够进一步利用股票市场中所存在的不同股票间的相关性这一微观...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 引言
    第一节 本文研究背景及意义
        一、研究背景
        二、研究意义
    第二节 研究内容及研究框架
        一、研究内容
        二、研究框架
第二章 文献综述
    第一节 A股市场相关研究
    第二节 向量自回归模型及其扩展模型的相关研究
        一、向量自回归模型的提出及其缺陷
        二、FAVAR模型的提出及其应用
    第三节 GOGA算法的提出及应用
    第四节 深度学习模型在股票市场中的发展及应用
第三章 理论介绍
    第一节 FAVAR模型
    第二节 GOGA模型
    第三节 GOGA-FAVAR模型估计及预测
    第四节 LSTM模型
第四章 模拟实验
    第一节 环境特征因子模拟
    第二节 目标预测器因子模拟
    第三节 模拟实验总结
第五章 实证分析
    第一节 实证数据的选取及预处理
    第二节 因子的获取与分析
    第三节 VAR、FAVAR以及GOGA-FAVAR模型的实证分析
        一、VAR、FAVAR以及GOGA-FAVAR模型在A股市场中的实证应用
        二、VAR、FAVAR以及GOGA-FAVAR模型的实证结果分析
    第四节 引入LSTM模型后的实证分析
        一、VAR、FAVAR以及 GOGA-FAVAR模型的局限性及 LSTM模型的引入
        二、LSTM模型的实证应用及结果分析
第六章 总结
    第一节 研究结论
    第二节 研究创新及研究贡献
        一、研究创新
        二、研究贡献
    第三节 研究局限及进一步研究方向
参考文献
致谢
个人简历及在学期间发表的研究成果



本文编号：3991971