基于小波分析与神经网络时间序列的股票预测方法

本文提出基于小波分析与神经网络时间序列的股票预测方法,把股票每日最高价、最低价以及开盘价进行小波去噪处理,然后把去噪后的数据利用BP(Back Propagation)神经网络进行预测分析,实验的结果表明利用处理后的数据进行分析比传统的直接使用神经网络进行分析的精准度更高,预测的效果更好。     

基于大数据的银行经济预测和金融统计研究

在大数据时代,数据的价值越来越凸显,银行需要积极适应环境的变化,探索新的发展路径,合理规划金融经济数据化建设,应用现代大数据技术,完善战略布局。文章阐述大数据对银行经济预测及金融统计的作用,分析大数据用于银行经济预测及金融统计中的问题,探讨相应的发展对策,旨在促进银行的可持续发展。     

金融时间序列分析中小波方法应用研究

由于传统时域分析的狭隘性,能从时域和频域两个角度同时充分描绘信号物理特性的小波分析方法引起了众多学者的关注,小波分析应用于金融时间序列分析逐渐成为趋势。小波方法由于具有良好的去噪性与多分辨分析能力,能够出色地完成对非平稳序列的拟合、奇异点的定位等工作,被普遍应用于单个市场、多个市场的金融时间序列分析以及金融时间序列中非市场因素的探究等方向。本文基于小波方法在金融时间序列分析中的"应用"视角,对该领域的部分文献进行了评述与总结,并对其未来研究提出了展望。     

大数据征信在互联网金融中的应用分析

互联网金融体系运行的基础是征信,依靠大数据进行征信体系建设成为互联网金融发展的重大课题.本文在互联网金融内涵和大数据特点分析的基础上,重点解析大数据征信在互联网金融中的应用模式和技术,并提出政策建议.     

模糊神经网络在股票价格预测中的应用

本文介绍模糊神经网络对股票价格的预测。本文首先分析了神经网络和模糊逻辑相结合的可能性,然后介绍了模糊神经网络的预测模型设计以及网络参数的设定。最后用实证分析证实了模型预测是可行的。     

金融预测中的统计方法应用

自二十世纪50年代以来,随着世界经济环境的变化和科学技术的迅猛发展,西方市场经济国家掀起的金融变革和创新势潮,在推动世界各国金融市场和金融产业发展的同时,也为金融经济学各种理论和分析方法在社会经济的各个层次的应用创造了机遇和条件。从资本市场的运作、投资组合的构造、交易策略的选择,到理论假设的检验、分析工具的优化、监管制度的设计等等,几乎渗入了现代经济学的各个领域。在众多的分析方法中,金融预测中的统计方法应用具有极其重要的现实意义。本文着重介绍在贷款回收率预测中运用的马尔柯夫预测法和在期权定价、破产预测中运用的人工神经网络方法。     

股票预测为何难奏效

预测股票回报率是一个极其挑战性的问题,假如你能准确预测,投资决策就变得很容易,只需选择回报率高的股票即可.但是,准确预测股票回报率太困难了,很多数学家、经济家、甚至哲学家,投入了大量的时间和精力来研究这一问题,仍然不得其解.     

基于数据挖掘的股票趋势预测

证券市场的不稳定性和随机性的特征让仅仅预测明天的股票价格也是一种挑战。通过出色的、良好构造的特征集能够更好地估计股票市场的趋势。再者,当我们建立了正确的模型来获得不断变化的趋势的不易观察的属性时,我们的预测能力将会获得提高。在这篇论文中,本文提出了一个二元事件模型。在这个模型的基础上建立特征集来更好地预测股票市场的未来趋势。本文运用了贝叶斯和支持向量机来证明本文的方法在预测准确性和速度方面的优势。本文的实验说明在一天的预测中预测准确率在70%~80%。另外,本文的回归测试证明交易的累计回报率在30%~100%。通过实验结果表明,本文运用的模型在真实的市场中在预测准确性和累计回报方面获得了很好地表现。     

股票回购、信息透明度与分析师预测研究

本文以2005—2016年发生社会公众股股票回购的上市公司为对象,研究股票回购对证券分析师预测的影响。结果显示:分析师充分关注了上市公司的股票回购行为,且股票回购数量越多、回购比例越大,分析师的关注度就越大,其乐观预测偏差也越大。进一步研究发现,信息透明度越高的公司中,分析师乐观预测偏差受到股票回购的负面影响越小。本文的结论为研究股票回购对分析师预测行为及其结果提供了经验证据,有利于促进资本市场投资者理性看待上市公司股票回购行为。     

软计算技术在金融预测应用进展研究

金融时间序列本质上是复杂的、高度噪声的,呈现出非线性行为,使得传统的统计方法难以有效地预测。随着计算技术的发展,已经出现了一些软计算技术用以支持金融时间序列预测。通过综述软计算技术在金融时间序列预测的数据准备、算法模型、自我训练学习、预测评估及优化方面的最新进展,从而便于研究者对已有软计算技术进行改进和研究新的预测算法。     

数字金融发展中的数据治理问题研究

近年来,数字金融在中国呈现蓬勃发展的态势.然而,金融数据治理问题不容忽视.现阶段,中国金融数据治理须关注三个方面的问题:第一,数据对事物信息的反应可能存在失真;第二,数字金融的快速发展在国家安全和金融风险方面带来新挑战;第三,数字金融的治理更加复杂.数据质量不高、协调难度较大、数据标准化程度不够以及数据权益归属不明是导...     

基于支持向量机的股票预测

股票预测是一种非线性、不确定的时间序列问题,传统方法很难对其进行准确预测.本文分析了支持向量机(SVM)在股票预测中应用的可行性.并通过邯郸钢铁股票数据对该方法进行了检验,结果显示,支持向量机具有较强的泛化能力.     

大数据在金融行业中的应用研究

随着国际形势的发展,云计算、人工智能成为引领世界前进的动力,而大数据在其中发挥的作用不容小觑。本文基于大数据的发展,深入探讨其在金融行业中的应用范围、应用模式、应用场景等。研究显示,在大数据时代,大数据技术扩宽了数据来源渠道,完善了数据分析方式,以多种模式应用在传统金融和新金融业态中,在金融资源配置、精准营销、风险管控和创新方面有重要的应用意义。但数据安全度低、技术人才缺乏、技术创新难度大、数据开放度不足、产业环境差等成为制约大数据产业发展的重大问题。本文建议加强人才培养,建立数据监管机构和共享平台,扩大资金支持和技术创新,完善大数据产业环境以保障大数据持续、稳定发展,更高效、安全地为金融行业提供服务。