隨機(jī)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及金融市場(chǎng)波動(dòng)和相關(guān)性的研究.pdf

1、隨著金融市場(chǎng)不斷發(fā)展和完善，對(duì)股市性質(zhì)、規(guī)律的研究提出了更高的要求，其中預(yù)測(cè)股票市場(chǎng)波動(dòng)已成為一個(gè)重要的金融課題。金融預(yù)測(cè)的一個(gè)關(guān)鍵元素是構(gòu)建模型挖掘金融數(shù)據(jù)內(nèi)部相關(guān)性。人工神經(jīng)網(wǎng)絡(luò)(ANN)是非線性統(tǒng)計(jì)建模和決策方法，廣泛應(yīng)用于金融時(shí)間序列預(yù)測(cè)及分析。本文根據(jù)股票指數(shù)長(zhǎng)記憶性及其收益率的正態(tài)高峰厚尾現(xiàn)象，神經(jīng)網(wǎng)絡(luò)(BPNN)的基礎(chǔ)上，構(gòu)造了隨機(jī)時(shí)效性神經(jīng)網(wǎng)絡(luò)(STSNN)和指數(shù)神經(jīng)網(wǎng)絡(luò)(EBPNN)。STSNN模型中，將隨機(jī)時(shí)效性函數(shù)

2、引入到BP神經(jīng)網(wǎng)絡(luò)中，使模型對(duì)不同時(shí)間的歷史數(shù)據(jù)賦予不同的權(quán)重，并使權(quán)重在整體滿足指數(shù)衰減的前提下，還服從布朗運(yùn)動(dòng)的隨機(jī)波動(dòng)特性。EBPNN模型中，將指數(shù)函數(shù)引入到BP神經(jīng)網(wǎng)絡(luò)中，加強(qiáng)模型對(duì)預(yù)測(cè)序列波動(dòng)性的挖掘與擬合。
　　實(shí)證分析部分，用隨機(jī)時(shí)效性神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)對(duì)國(guó)內(nèi)外重要股票指數(shù)的波動(dòng)程度和上證指數(shù)與深成指數(shù)的收益率尺度序列相關(guān)性系數(shù)進(jìn)行了實(shí)證預(yù)測(cè);用指數(shù)神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)對(duì)上證指數(shù)與深成指數(shù)的收益率相關(guān)性系數(shù)進(jìn)行