基于GARCH與BP-ANN的股價(jià)預(yù)測(cè)能力比較研究.pdf

1、預(yù)測(cè)金融資產(chǎn)的價(jià)格變化規(guī)律一直是金融學(xué)領(lǐng)域一個(gè)非常重要，并且具有挑戰(zhàn)性的問(wèn)題。金融資產(chǎn)價(jià)格的時(shí)間序列數(shù)據(jù)具有時(shí)變性、非線(xiàn)性、非平穩(wěn)等特性。這使得對(duì)于其價(jià)格的預(yù)測(cè)非常的復(fù)雜和困難。計(jì)量經(jīng)濟(jì)學(xué)家發(fā)明了一系列的計(jì)量方法來(lái)處理這類(lèi)問(wèn)題;常用的模型包括:線(xiàn)性回歸模型，時(shí)間序列模型等等。另外，人工智能的模型，如人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等模犁也越來(lái)越多的被應(yīng)用到價(jià)格預(yù)測(cè)中。本文運(yùn)用金融時(shí)間序列分析法與人工智能算法對(duì)我國(guó)股票價(jià)格進(jìn)行預(yù)測(cè)，并對(duì)這兩種模型的

2、預(yù)測(cè)結(jié)果進(jìn)行比較。這在理論和實(shí)際方面都有著較為重要的意義。
　　本文首先綜述以上兩類(lèi)方法在股價(jià)預(yù)測(cè)領(lǐng)域的歷史與發(fā)展;如金融時(shí)間序列分析的自回歸滑動(dòng)平均ARMA模型、向量自回歸VAR模型和廣義自回歸條件異方差GARCH模型等，以及人工智能算法的人工神經(jīng)網(wǎng)絡(luò)ANN、遺傳算法GA等;然后在中國(guó)股票市場(chǎng)這個(gè)背景下進(jìn)行數(shù)據(jù)分析研究，即使用EViews和MATLAB軟件分別運(yùn)行具有兩類(lèi)代表性的GARCH模型和BP-ANN模型，分別對(duì)上證A股指