基于支持向量分位数回归的金融市场条件概率密度预测

发布时间：2017-08-29 12:28

  本文关键词：基于支持向量分位数回归的金融市场条件概率密度预测

  更多相关文章： 货币需求 人民币汇率 分位数回归 支持向量分位数回归 条件密度预测

【摘要】：在经济与金融定量分析领域,准确预测经济与金融变量的变动规律,对于制定经济与金融政策、实施相应的控制方案具有重要的决策参考价值。由于经济与金融系统的具有非线性、非对称性与异质性等复杂性,导致线性均值回归分析等传统的模型与方法,难以有效揭示其内在运行机理。为此,需要开发新的建模工具开展相关研究工作,本文对此进行研究。本文将支持向量机原理与分位数回归相结合,建立支持向量分位数回归模型,并将其应用于经济与金融定量分析中。该模型能够充分发挥支持向量机与分位数回归两个方面的优势：一方面,通过支持向量机,能够充分模拟经济与金融系统的非线性作用机制；另一方面,通过分位数回归,能够充分刻画解释变量对响应变量整个条件分布的影响,揭示经济与金融系统的非对称性与异质性作用。本文重点开展了以下三个方面新的研究：第一,将支持向量分位数回归引入货币需求分析与人民币汇率预测,建立了相应的计量模型,给出了模型表示、模型求解、参数选择等方法；第二,在基于支持向量分位数回归模型条件分位数预测基础上,进一步给出了条件密度预测方法,实现了货币需求与人民币汇率的概率密度预测；第三,通过Monte Carlo数值模拟与实证研究,将支持向量分位数回归模型与一般线性回归模型进行比较,结果显示前者具有更好的模型拟合效果与更高的预测准确程度。实证研究结果表明,支持向量分位数回归模型既能够很好地拟合货币需求(或人民币汇率)与其影响因素之间的非线性依赖关系,也能够给出准确的条件密度预测结果：不仅可以预测货币需求与人民币汇率的未来取值水平,而且可以判断其散布与形状,能够细致考虑解释变量对响应变量未来取值分布特征的影响,从而比传统的点预测方式提供更多的有用信息,能够为货币需求及人民币汇率政策的制定提供科学的决策依据。本文的研究结果表明,支持向量分位数回归模型具有很好的非线性处理能力与完整条件分布特征刻画能力,能够深入、细致地揭示经济与金融系统中的复杂关系,可望获得广泛应用。未来,可以在以下两个方面,开展进一步研究工作：第一,在建模理论与方法上,可以考虑带有惩罚约束的支持向量分位数回归问题,解决众多解释变量的影响。第二,在实际应用中,可以结合条件密度预测的结果进行决策优化,如：组合投资决策问题。
【关键词】：货币需求 人民币汇率 分位数回归 支持向量分位数回归 条件密度预测
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F832.5
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 绪论15-21
• 1.1 研究背景与意义15-16
• 1.1.1 选题背景15-16
• 1.1.2 研究意义16
• 1.2 文献综述16-19
• 1.2.1 货币需求研究进展16-18
• 1.2.2 人民币汇率研究进展18-19
• 1.3 研究方法19
• 1.4 主要创新和结构安排19-21
• 1.4.1 主要创新19-20
• 1.4.2 结构安排20-21
• 第二章 支持向量分位数回归理论与方法21-33
• 2.1 分位数回归理论与方法21-23
• 2.1.1 线性分位数回归21-22
• 2.1.2 非线性分位数回归22-23
• 2.2 支持向量分位数回归23-26
• 2.2.1 模型表示23-24
• 2.2.2 模型求解24-25
• 2.2.3 参数选择25
• 2.2.4 条件密度预测25-26
• 2.3 数值模拟26-33
• 2.3.1 模型评价26
• 2.3.2 数据生成过程26-27
• 2.3.3 模型估计与评价27-33
• 第三章 基于支持向量分位数回归的货币需求条件密度预测33-39
• 3.1 货币需求分析33
• 3.2 经典货币需求预测模型33-34
• 3.3 实证研究34-38
• 3.3.1 数据选取34
• 3.3.2 货币需求函数分析34-36
• 3.3.3 货币需求条件密度预测36-38
• 3.4 本章小结38-39
• 第四章 基于支持向量分位数回归的人民币汇率预测39-46
• 4.1 问题提出39-40
• 4.2 汇率影响因素分析40-41
• 4.2.1 国际收支与汇率40
• 4.2.2 货币供给与汇率40
• 4.2.3 通货膨胀与汇率40
• 4.2.4 利差与汇率40-41
• 4.3 实证研究41-45
• 4.3.1 数据选取41
• 4.3.2 数据分析41-42
• 4.3.3 模型评价与预测42-45
• 4.4 本章小结45-46
• 第五章 结论与展望46-48
• 5.1 研究结论46
• 5.2 研究展望46-48
• 参考文献48-52
• 攻读硕士学位期间的学术活动及成果情况52

【参考文献】

中国期刊全文数据库 前10条

1 许启发;张金秀;蒋翠侠;;基于非线性分位数回归模型的多期VaR风险测度[J];中国管理科学;2015年03期

2 许启发;张金秀;蒋翠侠;;基于支持向量分位数回归多期VaR测度[J];系统工程学报;2014年02期

3 陈磊;曾勇;杜化宇;;石油期货收益率的分位数建模及其影响因素分析[J];中国管理科学;2012年03期

4 张军峰;隋东;;基于稀疏型支持向量回归的时间序列预测[J];系统工程学报;2011年05期

5 许启发;蒋翠侠;;分位数局部调整模型及应用[J];数量经济技术经济研究;2011年08期

6 史金凤;刘维奇;杨威;;基于分位数回归的金融市场稳定性检验[J];中国管理科学;2011年02期

7 杨小勇;龚晓莺;;货币政策效果与货币需求构成的关系及政策建议[J];经济学动态;2010年08期

8 王静;;人民币汇率影响因素多元回归模型分析[J];经营管理者;2010年13期

9 张莉;;中美利差对人民币汇率变动的影响分析[J];统计与信息论坛;2010年04期

10 万晓莉;霍德明;陈斌开;;中国货币需求长期是否稳定?[J];经济研究;2010年01期

，

本文编号：753290