隨機神經(jīng)網(wǎng)絡預測模型及金融市場波動和相關性的研究.pdf

1、隨著金融市場不斷發(fā)展和完善，對股市性質、規(guī)律的研究提出了更高的要求，其中預測股票市場波動已成為一個重要的金融課題。金融預測的一個關鍵元素是構建模型挖掘金融數(shù)據(jù)內(nèi)部相關性。人工神經(jīng)網(wǎng)絡(ANN)是非線性統(tǒng)計建模和決策方法，廣泛應用于金融時間序列預測及分析。本文根據(jù)股票指數(shù)長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(BPNN)的基礎上，構造了隨機時效性神經(jīng)網(wǎng)絡(STSNN)和指數(shù)神經(jīng)網(wǎng)絡(EBPNN)。STSNN模型中，將隨機時效性函數(shù)

2、引入到BP神經(jīng)網(wǎng)絡中，使模型對不同時間的歷史數(shù)據(jù)賦予不同的權重，并使權重在整體滿足指數(shù)衰減的前提下，還服從布朗運動的隨機波動特性。EBPNN模型中，將指數(shù)函數(shù)引入到BP神經(jīng)網(wǎng)絡中，加強模型對預測序列波動性的挖掘與擬合。
　　實證分析部分，用隨機時效性神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡對國內(nèi)外重要股票指數(shù)的波動程度和上證指數(shù)與深成指數(shù)的收益率尺度序列相關性系數(shù)進行了實證預測;用指數(shù)神經(jīng)網(wǎng)絡和BP神經(jīng)網(wǎng)絡對上證指數(shù)與深成指數(shù)的收益率相關性系數(shù)進行