基于神經網絡的多模型融合金融時間序列分析方法.pdf_第1頁
已閱讀1頁,還剩63頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、時間序列是按時間先后順序將某指標時間點上的數值排列而成的數列,時間序列分析是一種動態(tài)數據處理的統(tǒng)計方法,它根據歷史數據來判斷下一個時間點的數值,從而估計時間序列變化情況。金融時間序列是與時間順序相關的一系列金融數據序列,具有很強的非線性和隨機性,而神經網絡有良好的非線性映射能力及自適應、自學習和良好的泛化能力,在處理金融時間序列方面具有良好表現。
  金融時間序列分析在現實生活中一個很好的應用就是基金凈值估值。隨著我國經濟天翻地覆

2、的變化,基金已經成為人們投資理財的一種重要工具,而基金凈值是基金投資中重要的參考數據。本文主要研究基金中的封閉基金,其凈值只在每周五被公布一次,所以及時的提供給投資者準確的凈值估值可有效提高其投資成功率。因此,對這類數據進行分析有著重要的應用研究價值和意義。
  本文提出結合金融市場基本分析法和計算機技術分析法,并采用BP神經網絡作為多模型融合技術,建立了基于神經網絡的多模型融合方法來分析金融時間序列。首先利用基本分析法搜集到影響

3、基金凈值的特征;再采用文本分析法抽取基金公司季報和財經網站數據,使用最大熵理論、統(tǒng)計回歸等方法建立適合的單模型來估計在不同特征影響下的基金凈值估值結果;最后應用神經網絡將多模型計算的結果融合,自適應的調節(jié)各模型結果的影響權重并加以調整,訓練出最佳的金融時間序列分析模型,然后根據系統(tǒng)評測指標對結果進行分析。本文主要研究內容包括以下幾個方面:
  (1)將基金凈值估值問題抽象為金融時間序列分析問題,對影響基金凈值變化的特征進行分析,并

4、采用適合各自特征的模型對基金凈值估值問題進行模擬。
  (2)利用熵定價理論,建立基于最大熵及假設投資組合不變的層次分析模型;根據金融市場基本分析法,建立通過基金指數模擬的趨勢模型和通過基金價格模擬的因果模型;使用支持向量回歸機(SVR)訓練基金凈值歷史數據,通過參數調節(jié)、誤差分析修正結果,建立基于基金凈值歷史數據的SVR模型。
  (3)使用基于后向傳播算法的多層前饋神經網絡對特征數據結果做融合計算,根據模型結果與實際結果

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論