灰色关联神经网络模型在股指预测中的应用

本文将灰色关联和神经网络结合,构建基于灰色关联分析的神经网络模型,并将此模型在股指预测中做实证研究。     

基于神经网络的股票指数预测

一、神经网络预测原理１．神经网络预测的原理人工神经网络，简称ＡＮＮ是一类模拟人脑功能的新的信息加工处理系统，其理论基础是神经网络的数学模型。神经网络系统中包含大量的基本信息处理单元，称为神经元或节点。神经元本身权做简单的信息加工处理，而神经元之间则是有十分复杂和丰富的相互联接关系，其中的联接强度用一种可变的权值表示。根据一定的学习规则，通过改变神经元之间的联接强度以适应所处理的问题，因而神经网络具有学习功能。神经网络对于处理那些因果关系不明确、知识背景不清楚、推理规则不确定的问题尤其具有独到之处…     

基于LM算法的石油期货价格预测研究

石油价格的走势一直是世界各国所研究和关注的焦点,石油期货是世界石油交易的一种重要方式,准确预测石油期货价格的走势,对于政府宏观政策取向和相关企业经营决策具有重要意义。本文利用BP神经网络的自适应学习能力,建立基于LM算法的石油期货价格预测模型,并使用MATLAB7．0编程实现,针对纽约商业交易所的石油期货价格数据进行了训练和测试。研究结果表明,将基于LM算法的BP神经网络模型应用于石油期货价格预测中,运算速度快,预测精度高,具有推广应用的价值。     

神经网络预测模型在A股市场预测中的应用

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。BP网络是最常用的神经网络模型,在处理股价预测这种复杂、模糊、非线性的时间序列预测问题方面有其特有的优势。本文对沪深300指数1000交易日的实证研究表明,神经网络对中国股票市场具有较好的预测能力。     

神经网络预测模型在A股市场预测中的应用

神经网络是由具有适应性的简单单元组成的广泛并行互连的网络,它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应.BP网络是最常用的神经网络模型,在处理股价预测这种复杂、模糊、非线性的时间序列预测问题方面有其特有的优势.本文对沪深300指数1000交易日的实证研究表明,神经网络对中国股票市场具有较好的预测能力.     

灰色系统在股指趋势预测中的应用

灰色系统理论以“小样本”、“贫信息”的不确定系统为研究对象，主要通过对“部分”已知信息的生成、开发、提取有价值的信息。中小股民囿于认知能力、成本等因素制约，无法充分利用股市上的信息，判断股市行情走势。本文利用灰色系统中的DGM试图建立一个便于中小股民操作的股指走势预测模型，帮助中小股民把握股指走势，具有一定的应用价值。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论,给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测,结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力,可为石油期货买卖决策提供一定的依据,并可推广于其它金融时间序列的预测。     

BP神经网络在大坝安全监控理论中的应用

介绍了BP神经网络的基本原理,结合工程实例建立了BP神经网络的大坝安全监控模型;并针对某一大坝变形水平位移实测数据进行分析,证明其拟合和预报精度优于常规统计模型,为大坝的安全预测提供更加有力的依据.     

基于GA-BP算法的非营利组织绩效评价模型及实证研究

本文在分析进行非营利组织绩效评价意义的基础上,基于建立指标体系的基本原则,构建了非营利组织绩效评价指标体系(包括三层结构、21个指标),并利用GA-BP算法建立了非营利组织绩效评价模型,并以收集到的样本为例,对该模型进行了实证研究,表明了该方法的有效性。     

基于GARCH-BP模型的股指预测及实证分析

本文通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2004￣2005年间深圳成分指数的日收盘价进行了预测分析,经过实证比较,发现GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小。     

基于人工神经网络算法的黄金价格预测问题研究

提出一种结合宏观国际经济影响因素与黄金价格时间序列相接合的LM-BP模型。仿真结果表明,该算法能够较好预测黄金价格的走势,并且运用固定权值阈值方法实现了预测结果的稳定,使得能够进行实际应用。     

股指期货交易量对股指现货波动影响研究——来自香港恒生指数的实证

本文以香港恒生股票指数及其期货为样本,研究了股指波动性与指数期货交易量之间的单向因果关系。研究表明:股指现货市场的日间价格波动并没有明显增加股指期货的交易;但股指期货交易量的显著变化会导致未来一周后股票市场波动性的增加。这从一定程度上反映了香港市场股指期货主要被投资者用于套利而不是风险对冲的工具。     

股指期货对股票现货市场波动性影响的实证研究

本文选取1984年1月13日至2008年9月10日香港恒生股指期货的日收盘价作为原始数据,建立了GARCH模型与EGARCH模型就股指期货对股票现货市场波动性的影响进行实证研究,得出香港恒生股指期货的引入在一定程度上降低了香港股票现货市场的波动性等结论。     

中国股票指数的结构断点根检验研究

包括股票价格指数在内的许多金融和经济时间序列的动态特征,常常可以用随机游走或均值回返假说来描述,使用Zivot、Andrew(1992)和Lumsdaine、Papell(1997)提出的内生结构断点根检验方法,以上海证券交易所A股指数为例,考察股票指数的动态特征,结果表明A股指数符合随机游走假说.     

上市公司财务困境预测模型的再比较

本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。     

基于GA—BP神经网络的人口预测研究

人口问题是一个复杂的社会问题,准确地预测,对于国家社会发展计划特别是制定生育政策有重要的意义。本文探讨了基于遗传算法改进的BP神经网络模型的原理、构成以及实现方式,该改进模型可以有效提高BP网络模型的性能。同时将此模型用于我国人口数量的预测,选取我国1982．2010年的人口数据,检验结果平均误差仅有O．0494％。用该模型预测2011-2020的人口总量,预测结果表明我国人口总数的增长已得到有效的控制。     

股指期货在风险管理中的应用

股指期货属于金融期货的一种,是以股票市场的股票价格指数为标的物的期货合约.在很多发达的股票市场乃至资本市场中,股指期货扮演着规避风险、套期保值的重要角色.在利用股指期货对股票组合进行套期保值时,可能面临各种风险,其中,基差风险是套期保值者面临的最主要风险.利用向量误差修正模型可以估计最小风险套期保值比,为投资者综合选择风险最小的套期保值策略提供了现实的、可操作的定量分析工具.     

股指期货定价方法研究

通过对股指期货定价理论基础及合理基差、现金-持有、连续复利三种定价模型研究发现,三种方法各有特点及适应性,但都注重对股息发放及到期日的调整.     

中国股指期货对现货市场联动效应的实证研究——基于沪深300仿真指数期货数据的分析

股指期货的推出对现货市场波动性的影响一直以来备受学术界的关注。目前的研究表明,长期内股指期货对现货市场波动性影响不明显,短期内有助推作用。本文基于中金所推出的沪深300指数仿真期货对沪深300指数的影响进行了分析,发现股指期货的推出对现货市场的波动性没有较大影响,但增大了现货市场的非对称效应;研究结果不能证明股灾时期股指期货对现货产生瀑布效应。