汇率混沌理论的神经网络建模

本文采用美元对日元汇率自1973年起的日数据进行研究。首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统。在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果。经过检验,该预测系统达到了较高精度。最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考。     

汇率混沌理论的神经网络建模

本文采用美元对日元汇率白1973年起的日数据进行研究.首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统.在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果.经过检验,该预测系统达到了较高精度.最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考.     

基于Eviews上证综合指数预测

本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。     

基于非线性组合模型的P2P网贷平台危机预警研究

针对P2P网贷平台现金流较大、利润率较低和财务数据获取困难的特点,构建基于平台交易真实数据的危机预警评价指标体系和组合预测模型.将传统的财务评价指标转换成网贷平台交易数据指标,运用邻域粗糙集属性约简的方法对采集的数据指标进行降噪和约减处理,再基于机器学习理论引入神经网络、支持向量机和Logit回归等模型对数据进行训练.通过分组进行单模型和组合模拟预测,提高了新的破产指标下各模型预测的准确率.     

基于BP神经网络的股价趋势分析

对BP神经网络的算法和结构进行了介绍,并基于MATLAB的BP网络的工具箱.对浦发银行近一年交易日的数据进行了训练和测试,获得了一定的预测精度.最后还对波动期股价预测的难易.股价涨幅预测的难度以及输入变量对BP网络预测股价能力的影响等进行了讨论.基于实验结果,得出了基于BP神经网络的数学模型能一定程度上实现对股价趋势判断的结论.     

基于切比雪夫正交基神经网络的中国十年期国债收益率预测

文章基于切比雪夫正交基神经网络模型,结合数据驱动方法,对中国十年期国债收益率进行预测分析。在模型构建中,选取2018年6月28日到2019年6月28日的十年期国债收益率作为总体数据集,进一步选取总体数据集的前60%数据作为训练样本,生成模型后,预测剩余的40%数据,取得了较优的拟合效果,拟合度达0.9910,为国债收益率预测开拓了新的视野和方向。     

BP神经网络在汇率预测中的应用

在本文中,我的研究目的是以2010年01月04日至2012年10月25日这段时期中国人民银行公布的每日人民币兑美元汇率中间价(共680个数据样本)为例,建立BP神经网络,在MATLAB软件中实现汇率的预测,并以图、表、文结合的形式将预测过程及结果展示出来,其中最为关键的就是构造训练样本,输入层、输出层节点数的确定,隐藏层节点数训练参数的设定以及对10种训练结果的最优选择。     

基于遗传算法的BP神经网络在权证定价中的应用

对金融衍生品的定价一直都是理论界和实务界所关注的热点问题之一.传统的参数模型定价方法,容易产生系统性偏差,而神经网络方法在解决这一问题时具有明显的优势.本文基于遗传算法改进的BP神经网络模型(GABP),利用我国8只权证的1050天数据、标的股票1900天的数据和其他所需数据作为训练数据训练网络.研究结果表明,神经网络在权证的定价中效果要优于B-S模型;而RBF模型精度大于BP模型的预测,GABP模型的精度大于RBF模型的预测.     

高频股指期现货市场波动溢出效应研究——基于EEMD降噪和CCF检验

先使用EEMD降噪方法对股指期现货高频时间序列进行降噪,然后把降噪后数据应用于GARCH族模型和CCF检验,避免了因为高频数据极度尖峰后尾现象给模型带来的适用性的问题,加上CCF检验对波动溢出很敏感,所以实证结果显示我国沪深300股指期货合约和股票市场间呈现了较强的波动溢出效应而且持续时间较长,但是随着领先滞后效应逐渐减弱,总体上看现货市场领先对期货市场的影响更大。     

基于ARIMA模型对黄金价格短期预测

本文以2015年1月1日至2015年6月2日伦敦现货黄金月度价格为依据,通过建立ARIMA模型对2015上半年伦敦金价格进行预测分析,研究结果显示,该模型预测值与实际数据相比拟合度高,预测结果较为精确。绕开了对传统影响黄金价格的种种因素作用机理的分析,而围绕这些众多因素共同作用下的黄金价格所表现出的实际数据展开研究,这种类似于抛开"黑箱"关注结果的研究方法对黄金这种特殊商品价格的形成和变动比较适合,具备一定的借鉴意义。     

基于分形可变维度条件下原油价格预测分析研究

采用R/S重标极差法对基础数据进行Hurst指数检验是判断是否可以利用基础数据进行趋势外推的有效方法。当基础数据符合Hurst指数检验标准时,利用分形理论对基础数据进行趋势外推,就成为一种可行的较为理想的方法。众所周知,原油价格预测一直以来都是一个世界难题,基于分形理论来预测油价是一种比较新的方法,具有先天的优势。本文从分形的基本理论出发,提出原油价格预测的基本思路。以2009年8月7日至2010年3月26日西德克萨斯轻质原油(WTI)周油价为例进行统计分析,采用R/S重标极差法对基础数据进行Hurst检验,以判别这些历史数据是否具有趋势外推特征。并以此为基础对2010年4月的周原油价格进行预测,并与实际发生的原油价格进行了对比分析,取得了较为理想的预测结果,证明了该方法的可行性和有效性。     

资产风险预警的神经网络技术实现

本文采用美元指数自1973年的日数据进行研究。首先,构造了一个衡量价格波动的函数,在此函数异常波动时,往往就预示看价格将要发生变动;然后,刮用基于遗传算法的神经网络构建资产价格异常波动预警系统。在神经网络的训练过程中,利用粗糙集时训练样本进行了约简,提高了训练效果。结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路。     

资产风险预警的神经网络技术实现

本文采用美元指数自1973年的日数据进行研究.首先,构造了一个衡量价格波动的函数,在此数异常波动时,往往就预示着价格将要发生变动;然后,利用基于遗传算法的神经网络构建资产价格异常波动预警系统.在神经网络的训练过程中,利用粗糙集对训练样本进行了约简,提高了训练效果.结果表明,该系统可以有效对资产价格的异常波动做出预警,从而为风险管理提供了一种新的思路.     

基于神经网络模型的商业银行信贷风险研究

通过VAR模型选择GDP增长率、通货膨胀率、广义货币发行量增长率等变量的一阶滞后项与二阶滞后项作为输入变量,分别建立BP神经网络与GRNN模型对商业银行不良贷款率进行拟合与预测验证,并对两种神经网络模型的拟合效果与验证结果进行比较.研究表明,GRNN神经网络的拟合精度较高但预测精度较低,而BP神经网络拟合精度较低但预测精度较高.此外,随着验证期限的延长,两种模型的预测精度均下降.BP神经网络预测2015年第四季度不良率仍将小幅上升.     

BP神经网络在股市预测模型中的应用——以上证股票价格收盘指数为例

本文介绍了股市的特点以及股市预测的困难性,提出了利用BP神经网络的方法来解决股市预测问题。首先文章介绍了人工神经网络模型以及应用最普遍的BP神经网络,然后以上海证券交易所每日股票价格收盘指数为分析对象,对网络进行训练后,利用BP神经网络对股票价格收盘指数进行了短期预测,并计算出预测值和实际值的误差。通过实验发现该模型收敛速度快,预测精度非常高。     

黄金价格影响因素分析及未来走势预测

近年来,黄金作为一种投资产品愈加被人们所关注,黄金的价格也随之成为人们关注的焦点。本文先从理论的角度分析了可能会对黄金价格产生影响的因素,然后选取了1971年~2014年黄金价格的年度平均数据,采用Eviews8对数据进行多元回归分析,建立了计量经济模型,对模型进行计量经济检验(多重共线性检验,异方差检验和自相关检验)、统计意义检验和经济意义检验,分析各种因素对黄金价格波动影响的关系,并对2015年的黄金价格作出预测。通过分析,得出黄金价格与黄金产量呈负相关,与石油价格、黄金储备量、GDP呈正相关,其中石油价格对黄金价格的影响最为显著。     

基于人工神经网络的沪锌期货价格预测研究

分析沪锌期货的特征,发现沪锌期货价格存在非线性和波动集聚性的特点.选择沪锌期货的相关指标作为参数,运用人工神经网络训练数据,进行价格涨跌预测,构建BP神经网络和卷积神经网络沪锌期货预测模型.实证研究结果表明:模型预测准确率高,预测效果良好,在盘整行情中可获得较高收益,为投资决策提供重要参考,并可在期货市场中进行广泛应用.     

基于压缩感知去噪和SVR的汇率预测研究

汇率在国际金融市场以及对外贸易中扮演着重要角色。由于汇率变动趋势的不确定性及复杂性,传统的汇率预测方法无法达到更好的预测效果。为了达到更好的预测效果,我们提出基于压缩感知去噪和支持向量回归(SVR)的汇率预测模型。压缩感知去噪是对原始的汇率数据进行预处理降噪的过程,支持向量回归作为预测工具用于已降噪的数据的预测。我们采用中国人民银行发布的人民币兑美元汇率数据作为样本数据,对我们新提出的方法进行数值模拟,同时与小波去噪等预处理方法进行对比,结果显示基于压缩感知去噪的支持向量回归汇率预测方法具有较好的预测效果。     

中证500股指期货对现货市场暴跌的影响

2015年中国的股市经历了千股跌停,对此监管部门通过上调股指期货合约交易保证金等措施抑制投机行为。选取2015年6月15日至7月8日的4075对1分钟高频数据,采用VAR模型,通过Granger因果检验、脉冲响应分析和方差分解,对中证500股指期现货价格波动率进行实证检验,发现期货价格波动率领先现货1到4分钟,期货波动率对现货市场波动率的贡献度是5.2613%,股指期货不是大盘暴跌的"砸盘利器"。     

基于ARMA-GARCH模型的黄金现货价格预测

本文以2009年1月5日至2017年1月3日期间上海黄金交易所的Au99.95的黄金现货收盘价为研究对象,对数据进行描述性统计分析、平稳性检验和相关性检验。建立ARMA(2,1)模型,对其残差序列进行ARCH效应检验,并通过建立GARCH模型消除其条件异方差性,从而建立ARMA(2,1)-GARCH(1,1)模型。比较t分布下和GED分布下的拟合模型,发现t分布下的更优。最后,预测在95%置信区间内黄金现货日收益率序列在未来100天内走势区间与条件标准差变化趋势,并对预测结果进行了验证。