随机神经网络预测模型及金融市场波动和相关性的研究

发布时间：2017-10-19 18:14

  本文关键词：随机神经网络预测模型及金融市场波动和相关性的研究

  更多相关文章： 神经网络预测 随机时效性函数 指数函数 股票指数 相关性系数

【摘要】：随着金融市场不断发展和完善,对股市性质、规律的研究提出了更高的要求,其中预测股票市场波动已成为一个重要的金融课题。金融预测的一个关键元素是构建模型挖掘金融数据内部相关性。人工神经网络(ANN)是非线性统计建模和决策方法,广泛应用于金融时间序列预测及分析。本文根据股票指数长记忆性及其收益率的正态高峰厚尾现象,神经网络(BPNN)的基础上,构造了随机时效性神经网络(STSNN)和指数神经网络(EBPNN)。STSNN模型中,将随机时效性函数引入到BP神经网络中,使模型对不同时间的历史数据赋予不同的权重,并使权重在整体满足指数衰减的前提下,还服从布朗运动的随机波动特性。EBPNN模型中,将指数函数引入到BP神经网络中,加强模型对预测序列波动性的挖掘与拟合。 实证分析部分,用随机时效性神经网络和BP神经网络对国内外重要股票指数的波动程度和上证指数与深成指数的收益率尺度序列相关性系数进行了实证预测；用指数神经网络和BP神经网络对上证指数与深成指数的收益率相关性系数进行了实证预测。实验结果显示随机时效性神经网络模型、指数神经网络模型均对BP神经网络模型起到了优化作用,训练和预测精度更高,更符合实际。
【关键词】：神经网络预测 随机时效性函数 指数函数 股票指数 相关性系数
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP183
【目录】：

• 致谢5-6
• 中文摘要6-7
• ABSTRACT7-9
• 第1章 绪论9-13
• 1.1 选题背景及意义9-10
• 1.2 股市预测国内外发展现状10-13
• 第2章 中国股市的统计分析13-17
• 2.1 股票价格指数13-14
• 2.2 收益率和幂律分布14-17
• 第3章 BP神经网络(BPNN)模型17-21
• 3.1 BP神经网络模型结构17-19
• 3.2 BP神经网络模型训练19-21
• 第4章 随机时效性神经网络模型在股市预测中的应用21-42
• 4.1 随机时效性神经网络(STSNN)模型的建立21-25
• 4.1.1 Brown运动与随机时效性函数21-23
• 4.1.2 随机时效性神经网络(STSNN)模型结构及训练23-25
• 4.2 STSNN模型的实证预测25-42
• 4.2.1 STSNN模型对收益率波动程度的预测25-32
• 4.2.2 STSNN模型对收益率尺度序列互相关性系数的实证预测32-42
• 第5章 指数神经网络模型在股市预测中的应用42-53
• 5.1 指数神经网络(EBPNN)模型结构及训练42-45
• 5.2 指数神经网络(EBPNN)模型的对互相关系数的实证预测45-53
• 第6章 结论53-54
• 参考文献54-59
• 作者简历及攻读硕士学位期间取得的研究成果59-61
• 学位论文数据集61

【参考文献】

中国期刊全文数据库 前2条

1 陈义安,张义萍;基于小波网络的非线性预测应用研究[J];商业研究;2003年04期

2 胡洁;曾祥金;;基于LM算法的BP神经网络股价预测[J];科技创业月刊;2007年02期

，

本文编号：1062595