基于深度学习的期权价格预测研究

期权作为一种高杠杆的金融衍生品,拥有出色的套利和对冲性能。传统的无套利期权定价方法,包括Black-Scholes期权定价模型、Merton模型和Heston模型,他们的诞生均具有严格的假设条件,同时使用随机过程拟合期权价格走势。然而,由于实际期权市场与上述严格的假设条件具有较大差异,因此传统的无套利期权定价方法无法还原实际市场中的期权定价过程。由此,本文着眼于数据驱动方法,采取深度学习算法来模拟期权定价过程。本文选取上证50ETF期权的数据,在传统无套利的Black-Scholes期权定价理论基础上,利用深度学习中的BP神经网络及LSTM神经网络模型对欧式期权定价进行可行性研究。本文建立两个期权价格预测模型,并利用这两个模型分别对期权价格进行预测,用MSE、MAE和R-squared这三个模型评价指标来描述不同模型的预测精度。实证结果表明,LSTM模型的预测精度在预测上证50ETF期权价格时具有显著优势。     

应用BP神经网络评估房地产企业股权价值的可行性研究

股权价值评估概述资本结构理论认为,企业的资本主要由债务资本和股权资本构成,债权人和股东是企业资金的主要供给方。股权是相对于股东而言的权利要求,是股东以持有股票的方式对上市公司进行投资,作为公司所有者所享有的权益,股权具有可转让性。股权价值与债务价值构成了企业的整体价值。     

提高收费车道全车牌识别率方法探讨

全车牌自动识别是智能交通系统的重要组成部分,也是收费系统防止作弊(司机换卡)的重要手段,更是全自动收费方式的高速公路收费系统必须解决的关键问题。通过对感光芯片的处理取得图像,并从图像中提取车牌图像,依次进行灰度变换、二值化和字符分割等操作后取出相应的字符图像并送入识别,通过识别算法将字符结果输出。     

基于BP神经网络和小波降噪的沪深300股指期货价格预测

本文在小波去噪的基础上构建了BP神经网络模型,选取了具有代表性的沪深300股指期货来进行价格预测,并对去噪前后的预测结果进行了对比,发现小波去噪后的BP神经网络模型对股指期货价格的预测效果更佳,为短期投资者们提供了一定的决策依据。     

“一带一路”沿线国家风险、双边投资协定与中国OFDI区位选择——基于PLS-PM与BP神经网络模型的实证研究

构建包含政治军事风险、经济金融风险和社会文化风险的“一带一路”沿线国家风险指标体系,采用偏最小二乘通径模型和BP神经网络技术实现了风险测度与预警。基于2014—2019年“一带一路”沿线49个国家数据,建立扩展的投资引力模型,运用动态面板系统GMM估计,实证分析东道国风险、BIT对中国OFDI区位选择的影响。研究发现：总体上看,中国OFDI主要流向了风险较高的国家,在政治军事和社会文化维度表现为风险偏好,而在经济金融维度上风险规避的特征明显。非商业趋向和非市场动机使得中国OFDI能够包容一定的国家风险。签订BIT可以促进中国对“一带一路”沿线国家的OFDI,在中低收入国家对投资者的保护作用更强。此外,中国OFDI的区位选择存在“异质性偏好”,中低收入国家风险对中国OFDI的影响程度显著高于高收入国家,不同收入水平国家的市场规模、资源禀赋、技术和税负对中国OFDI的影响也有所不同。     

基于资金流的云南省绿色食品企业BP神经网络财务风险评价模型的研究

本文选取了52家绿色食品上市企业3年的156组数据作为样本,选择25个指标为研究目标,在已准备好的归一化数据、两种检验通过适合因子分析的条件下,提取特征值大于1的7个主成分作为输入变量的前提运算下,选择适合此模型的参数,运用试凑法得到隐含层数,训练出有一定精度的BP神经网络,并对该网络进行了仿真,结果证明该网络可以用于云南省绿色食品企业财务风险评价以及预测。     

基于RBF神经网络的水产品冷链物流需求预测研究

[目的]水产品是我国农业经济的重要组成部分,冷链物流制约着水产品的可持续发展。为实现水产品供需均衡和物流资源合理配置,有效推进水产品冷链物流行业快速发展,对水产品冷链物流需求进行预测尤为重要。[方法]选取影响水产品冷链物流需求的9个主要因素,运用RBF神经网络模型、BP神经网络模型、多元线性回归模型和GM(1,1)模型对2007—2016年我国水产品冷链物流需求分别进行模拟预测,并对预测结果进行对比分析。[结果]总体上我国居民对水产品的需求量逐年上升,2016年的需求量超过1 600万t,水产品冷链物流需求具有极大的市场空间;在水产品冷链物流需求预测中,RBF神经网络预测结果的残差平均值、相对误差平均值和误差均方根均比BP神经网络、MLR和GM(1,1)模型的预测误差小。[结论]RBF神经网络模型对水产品冷链物流需求的预测精度显著优于其他预测方法,表现出极强的处理非线性系统的能力,说明RBF神经网络模型是预测水产品冷链物流需求的一种有效方法。     

基于BP神经网络与PCA的零售业客户细分模型研究

本文结合零售业及其客户消费行为的特点,提出了一套基于客户消费行为分析的零售业客户细分指标体系,采用主成分分析(PCA)和BP神经网络(BPNN)相结合的方法,构建了一种基于消费者行为分析的零售业客户细分模型,最后利用Matlab软件通过零售业客户消费行为的实际数据对该模型进行了测试和验证,结果表明该模型具有良好的适用性和准确性.     

遗传算法优化的小波神经网络在短期电力负荷预测中的应用

本文利用遗产算法的全局优化搜索能力来优化了小波神经网络,建立了基于遗产算法的小波神经网络短期电力负荷预测模型,克服了BP神经网络自身算法的缺陷,得到了更高的学习精度和更快的收敛速度,经实例也验证了该模型能有效地提高预测精度,减小负荷预测误差,避免了BP神经网络的固有缺陷.     

基于多元线性回归与BP神经网络分析的失业预测建模实证研究

本文首先构建失业综合指数及其测算指标体系,用来客观地反映失业状况;其次通过文献研究、发放问卷调查等分析方法,并在考虑数据可获得性、可靠性等前提下,初步整理出影响失业的相关因素,以2000~2012年各季度对应的数据,对失业综合指数及其影响因素进行多元线性逐步回归分析,从中筛选出影响显著的因素,构建失业综合指数预测模型。同时基于线性相关分析筛选的结果,构建BP神经网络预测模型,同样对失业状况进行预测,并与多元回归预测模型的预测结论进行比较,结果发现后者预测性能高于前者。