基于组合模型的隔夜Shibor预测

发布时间：2020-08-01 21:37

【摘要】：上海银行间同业拆放利率,是金融同业之间互相拆借头寸进行融资的利率,具备公开性和市场化的特点,能实时精确的反应出货币市场甚至整个金融市场上较短时间内的资金供求关系,对于中央银行货币政策调控有指导意义。本文选取隔夜Shibor值作为预测研究的对象,同时建立了两种组合模型。一是对数据做EEMD分解,对分解后的数据建立BP-Adaboost预测;一是针对单纯使用时间序列模型的线性局限性,以及神经网络模型易于陷入局部最优解的不足,建立了一个将时间序列模型的线性预测结果和BP非线性预测结果进行组合的ARIMA-BP-Adaboost模型。使用ARIMA模型对线性部分进行预测,所得的残差作为非线性预测部分的期望输出,采用BP-Adaboost对原始数据和残差值进行训练,输出预测残差,并将其和ARIMA模型的预测值相加,即得到ARIMA-BP-Adaboost组合模型的预测结果。本文选取多种模型对隔夜Shibor数据进行了预测,通过对各模型的拟合程度和预测误差进行比较,提出了两种组合模型预测方法,实证分析表明组合模型的预测效果要明显好于单纯的神经网络预测模型和时间序列预测模型。
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F224;F832.2
【图文】：

图 2-1 BP 神经网络拓扑结构图aboost 模型daboost 对同一训练集，训练不同的“弱”分类器，通过迭代方式把所集合成为“强”分类器。具体方法如下：

Adaboost算法流程

BP-Adaboost算法流程

【参考文献】

相关期刊论文 前10条

1 张剑;王波;;Grid-Search和PSO优化的SVM在Shibor回归预测中的应用研究[J];经济数学;2017年02期

2 刘业奇;钟辉;;网络借贷利率与Shibor利率波动关系探究[J];区域金融研究;2017年03期

3 张明;郭子睿;何帆;;“钱荒”为什么会发生?——上海银行间同业拆放利率的影响因素分析[J];国际金融研究;2016年12期

4 翁nf元;单杏花;;基于EEMD-GA-BP的组合客流预测算法研究[J];铁路计算机应用;2016年03期

5 林宇;陈粘;陈宴祥;;基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究[J];系统工程理论与实践;2016年03期

6 闫博;周在金;李国和;齐佳;;基于ARMA和BP_AdaBoost的组合销售预测模型研究[J];计算机与现代化;2015年02期

7 王晋忠;赵杰强;王茜;;Shibor作为中国基准利率有效性的市场属性分析[J];经济理论与经济管理;2014年02期

8 俞国红;杨德志;丛佩丽;;ARIMA和RBF神经网络相融合的股票价格预测研究[J];计算机工程与应用;2013年18期

9 刘陆宇;;利率市场化进程中基准利率的选择[J];华东经济管理;2013年09期

10 李翔;朱全银;;Adaboost算法改进BP神经网络预测研究[J];计算机工程与科学;2013年08期

相关硕士学位论文 前2条

1 林庆添;基于人工智能算法的上海银行间同业拆放利率预测[D];兰州大学;2016年

2 陈敏;基于BP神经网络的混沌时间序列预测模型研究[D];中南大学;2007年

本文编号：2778043