机器学习方法在可转债估价上的运用

发布时间：2017-09-26 07:20

  本文关键词：机器学习方法在可转债估价上的运用

  更多相关文章： 可转债估价 机器学习方法 随机森林

【摘要】：本文首先通过基于股价的单因素模型对当前在市场流通的全部13只可转债进行了实证分析,发现根据此模型计算出的理论价值普遍高于市场价格,这也与很多前人的研究结论相符。这说明所用定价模型并不完全适应于我国的可转债市场,我国的可转债市场机制与假定条件并不与国外完全相符。运用此单因素模型计算可转债的定价存在很明显的误差。接着,基于此模型不可避免的缺陷,本文尝试转换思路,跳出公式模型的禁锢,从机器学习的角度,开展可转债估价问题探索。通过机器学习方法对无法做任何假定的错综复杂的可转债价格影响因素进行分析,所选影响因素几乎涵盖所有方面。通过几种常用的机器学习方法作比较,得出结论为:对于可转债价格估价,运用随机森林的方法最好,五折交叉验证的训练集NMSE低至0.009,测试集NMSE也低至0.046。进一步选择随机森林模型对13只可转债进行价格估计,估价效果明显优于基于股价的单因素模型。这种拟合与预测效果可能比任何一种基于公式模型计算出的可转债估价都要理想。因此,在实际可转债估价运用中,可以运用随机森林回归方法得到相应模型,对新的数据进行预测来得到可转债的估价。
【关键词】：可转债估价 机器学习方法 随机森林
【学位授予单位】：暨南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51;F224
【目录】：

• 摘要3-4
• abstract4-6
• 1. 绪论6-12
• 1.1 可转债简介6-10
• 1.1.1 可转换债券相关要素6-8
• 1.1.2 可转换债券的价格构成8-9
• 1.1.3 影响可转债价值的描述性要素和变量9-10
• 1.2 可转债发展现状10-11
• 1.3 本文的研究背景、框架和意义11-12
• 2. 文献综述12-17
• 2.1 国外可转债定价理论的发展12-15
• 2.1.1 只考虑公司价值的单因素模型13
• 2.1.2 只考虑股价的单因素模型13-14
• 2.1.3 在公司价值上加入利率因素的双因素模型14
• 2.1.4 在股票价值上加入利率因素的双因素模型14
• 2.1.5 信用风险模型14-15
• 2.2 国内可转债定价的相关研究15-17
• 3. 基于股票价值的单因素模型的实证研究17-20
• 3.1 数据的选取与来源17-18
• 3.2 实证过程与结论18-20
• 4．机器学习方法运用于可转债估价的实证研究20-37
• 4.1 常用的机器学习方法简介21-23
• 4.1.1 决策树回归21
• 4.1.2 boosting回归21-22
• 4.1.3 bagging回归22
• 4.1.4 随机森林回归22-23
• 4.1.5 人工神经网络回归23
• 4.1.6 支持向量机回归23
• 4.2 数据指标选择与来源23-29
• 4.3 各机器学习方法估价效果分析29-34
• 4.3.1 决策树回归结果29-30
• 4.3.2 boosting回归结果30-31
• 4.3.3 bagging回归结果31-32
• 4.3.4 随机森林回归结果32-33
• 4.3.5 人工神经网络回归结果33-34
• 4.3.6 支持向量机回归结果34
• 4.4 几种机器回归方法预测效果以及五折交叉验证结果比较34-35
• 4.5 机器学习模型预测结果与单因素模型理论价对比35-37
• 5. 结论与展望37-39
• 5.1 本文结论与建议37-38
• 5.2 研究展望38-39
• 6. 参考文献39-41
• 7. 附录41-47
• 8. 致谢47

【相似文献】

中国期刊全文数据库 前10条

1 贺英杰;叶宗民;金吉学;;机器学习在入侵检测中的应用综述[J];计算机安全;2010年03期

2 袁鼎荣;;浅谈《机器学习》的课程教学方法[J];广西经济管理干部学院学报;2010年04期

3 李航;;机器学习正在改变我们的工作与生活[J];中国科技财富;2011年15期

4 井田;朱玉琴;;多侧面递进算法在机器学习中的应用[J];科技创新导报;2012年11期

5 ;“第12届中国机器学习会议”征文[J];科技导报;2009年19期

6 ;传漾:AdPlace[J];成功营销;2013年03期

7 白朝阳;;美国国安局:防不胜防的“信息窃贼”[J];中国经济周刊;2013年24期

8 ;“第12届中国机器学习会议”征文[J];科技导报;2009年21期

9 井超;陈立潮;;机器学习在科技成果评估专家系统中的应用[J];科技情报开发与经济;2006年07期

10 丁未;;机器学习为代表的人工智能在仪器仪表工业中的应用展望[J];中国仪器仪表;2014年08期

中国重要会议论文全文数据库 前10条

1 王珏;;归纳机器学习[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 王昊;李银波;纪志梁;;利用机器学习方法预测严重药物不良反应-呼吸困难[A];中国化学会第28届学术年会第13分会场摘要集[C];2012年

3 吴沧浦;;智能系统与机器学习的新领域[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

4 周晴杰;徐立鸿;吴启迪;;机器学习串级结构的初步探讨[A];1998年中国控制会议论文集[C];1998年

5 李刚;郭崇慧;林鸿飞;杨志豪;唐焕文;;基于词典法和机器学习法相结合的蛋白质名识别[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

6 徐礼胜;李乃民;王宽全;张冬雨;耿斌;姜晓睿;陈超海;罗贵存;;机器学习在中医计算机诊断识别系统中的应用思考[A];第一届全国中西医结合诊断学术会议论文选集[C];2006年

7 蔡健平;林世平;;基于机器学习的词语和句子极性分析[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

8 黄金铁;李景银;周建常;;对高炉炉况评价模型参数的机器学习——一个三类线性模式分类器的实现[A];1995中国控制与决策学术年会论文集[C];1995年

9 程国建;蔡磊;潘华贤;;核向量机在大规模机器学习中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

10 张钹;张铃;;统计学习理论及其应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年

中国重要报纸全文数据库 前10条

1 黎骊/文 [美] Tom M.Mitchell 著;机器学习与智能化社会[N];中国邮政报;2003年

2 IBM大数据专家 James Kobielus　范范 编译;机器学习已成为大数据基石[N];网络世界;2014年

3 本报记者 房琳琳;合久必分：分布式“机器学习”应运而生[N];科技日报;2014年

4 雨辰;机器学习类图书为什么火爆[N];中华读书报;2014年

5 百度公司技术副总监 多媒体部负责人 余凯;深度学习与多媒体搜索技术演进[N];中国信息化周报;2013年

6 本报记者 余建斌;机器学习与互联网搜索[N];人民日报;2011年

7 本报记者 张晔邋通讯员 李玮;周志华：永不墨守成规[N];科技日报;2008年

8 记者　 彭德倩;机器学习精度提升近6个百分点[N];解放日报;2006年

9 本报记者 闵杰;大数据热 高端人才缺[N];中国电子报;2013年

10 沈建苗 编译;如何成为大数据科学家[N];计算机世界;2013年

中国博士学位论文全文数据库 前10条

1 董春茹;机器学习中的权重学习与差分演化[D];华南理工大学;2015年

2 姚明臣;机器学习和神经网络学习中的若干问题研究[D];大连理工大学;2016年

3 赵玉鹏;机器学习的哲学探索[D];大连理工大学;2010年

4 胡巍;面向格结构的机器学习[D];上海交通大学;2009年

5 张义荣;基于机器学习的入侵检测技术研究[D];国防科学技术大学;2005年

6 钱线;快速精确的结构化机器学习方法研究[D];复旦大学;2010年

7 梁锡军;稀疏优化在机器学习中的若干应用[D];大连理工大学;2013年

8 蒋刚;核机器学习方法若干问题研究[D];西南交通大学;2006年

9 陈慧灵;面向智能决策问题的机器学习方法研究[D];吉林大学;2012年

10 周伟达;核机器学习方法研究[D];西安电子科技大学;2003年

中国硕士学位论文全文数据库 前10条

1 张柯;基于机器学习的错误定位方法研究[D];南京航空航天大学;2015年

2 于雯;机器学习在信用评级中的应用[D];中国海洋大学;2015年

3 裴松年;基于机器学习的分类算法研究[D];中北大学;2016年

4 李红;基于机器学习的中医药配方评估研究[D];南京大学;2016年

5 周文U，

本文编号：922187