隨著信息技術逐漸深入人們的日常生活,金融領域也開始了全方位的科技化改革,以互聯(lián)網(wǎng)為依托的網(wǎng)上銀行得到了金融業(yè)的高度關注。為了提高自身競爭力,加速完成從傳統(tǒng)銀行的轉變,各大銀行均將網(wǎng)上銀行的發(fā)展提上了日程。網(wǎng)上銀行的實質是虛擬銀行,它不存在任何實體機構,僅以互聯(lián)網(wǎng)為載體連接客戶與銀行。網(wǎng)上銀行可以幫助客戶在任何時間、任何地點以任意的方式實現(xiàn)交易需求、獲得全方位的服務。在這個快節(jié)奏的社會里,實時、快捷、方便和成本低等優(yōu)勢使網(wǎng)上銀行極大的滿足了客戶的使用需求。近年來,網(wǎng)上銀行個性化產品的開發(fā)在向更深層次縱深,年交易額總量也在逐年增加。雖然與傳統(tǒng)業(yè)務相比,網(wǎng)銀業(yè)務的消費者占比和交易額占比較小,但仍存在著較大的發(fā)展空間。因此對網(wǎng)上銀行的交易量情況進行研究,可以為網(wǎng)上銀行的產品開發(fā)以及多維度發(fā)展提供重要依據(jù),對整個銀行業(yè)的發(fā)展具有重要意義。本文選取工商銀行網(wǎng)上銀行2018年9月到2019年3月的交易量數(shù)據(jù)作為研究對象,利用Eviews軟件、Excel軟件和R語言對數(shù)據(jù)進行處理并建立模型分析。模型建立前,選取2018.9至2019.2共180天的交易量數(shù)據(jù)作為訓練數(shù)據(jù)集,2019.3的交易量數(shù)據(jù)作為... 

【文章來源】：華中師范大學湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【部分圖文】：

圖３．１部分交易量數(shù)據(jù)??為了更好的了解交易量數(shù)據(jù)的整體情況，利用ｓｕｍｍａｒｙＯ和ｄｅｓｃｒｉｂｅ（）函數(shù)對數(shù)??

／Ｓａｌ碩士學位論文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ為標準化后的數(shù)據(jù)，Ｘ為原始數(shù)據(jù)，ｐ為原始數(shù)據(jù)均值，＾為原始數(shù)據(jù)??標準差。??在數(shù)據(jù)采集過程中發(fā)現(xiàn)２．２８、３．８與３．２０三天的數(shù)據(jù)缺失，本文采用平均值填??充的方法對缺失值進行了處理。處理后的交易量數(shù)據(jù)波動情況如圖３．２所示。??？?，?�。�??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??圖３．２交易量數(shù)據(jù)波動圖??由圖３．２可知，交易量序列存在上升趨勢，并且存在一定的周期性，大致為３０??天一個周期。本文選擇２０１８．９至２０１９．２的交易量數(shù)據(jù)為訓練集，共１８０個數(shù)據(jù)。??２０１９．３的交易量數(shù)據(jù)為測試集，共２３個數(shù)據(jù)。為了更好的了解訓練集數(shù)據(jù)的波動??情況，做出訓練集數(shù)據(jù)時序圖如圖３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??圖３．３訓練集數(shù)據(jù)波動圖??由上圖可以判斷，交易量數(shù)據(jù)每個月都會出現(xiàn)峰值。第一個峰值為１０月上旬，??也就是國慶假期前后。第二個峰值為ＩＩ月中旬，也就是雙十一前后。第三個峰值??為１２月中下旬，可能是雙十二、圣誕節(jié)以及元旦帶來的影響。第四個峰值為Ｉ月??末，可能是農歷假期帶來的影響。??１３??

／Ｓａｌ碩士學位論文??ＭＡＳＴｒ．Ｋ＇ＳＴＨｉＳｔＳ??其中Ｙ為標準化后的數(shù)據(jù)，Ｘ為原始數(shù)據(jù)，ｐ為原始數(shù)據(jù)均值，＾為原始數(shù)據(jù)??標準差。??在數(shù)據(jù)采集過程中發(fā)現(xiàn)２．２８、３．８與３．２０三天的數(shù)據(jù)缺失，本文采用平均值填??充的方法對缺失值進行了處理。處理后的交易量數(shù)據(jù)波動情況如圖３．２所示。??？?，?！＼??（：■?＾?ｆＪＶｆ??＂Ｍ?ｆＶ??ｉ?＾?＇?ｉｌ??０?Ｍ?，ｒｏ?ＩＳＯ?２９０??圖３．２交易量數(shù)據(jù)波動圖??由圖３．２可知，交易量序列存在上升趨勢，并且存在一定的周期性，大致為３０??天一個周期。本文選擇２０１８．９至２０１９．２的交易量數(shù)據(jù)為訓練集，共１８０個數(shù)據(jù)。??２０１９．３的交易量數(shù)據(jù)為測試集，共２３個數(shù)據(jù)。為了更好的了解訓練集數(shù)據(jù)的波動??情況，做出訓練集數(shù)據(jù)時序圖如圖３．３所示。??ＴＲＡＮＳ＿ＴＯＴＡＬ＿ＮＵＭ??２６０，０００．０００??Ａ?ｌ＼?ｆ??２４０．０００．０００?－?／?ｆ?＼?Ａ?Ｉ??：：Ａ?ｙＪＨ／Ｗ??１２０．０００．０００?－?／＼ｊ?Ｖ?／??８０，０００，０００?ｉ?＜?ｉ?｜?？??ＭＯ?Ｍ１０?Ｍ１１?Ｍ１２?Ｍ１?Ｍ２??２０１８?２０１０??圖３．３訓練集數(shù)據(jù)波動圖??由上圖可以判斷，交易量數(shù)據(jù)每個月都會出現(xiàn)峰值。第一個峰值為１０月上旬，??也就是國慶假期前后。第二個峰值為ＩＩ月中旬，也就是雙十一前后。第三個峰值??為１２月中下旬，可能是雙十二、圣誕節(jié)以及元旦帶來的影響。第四個峰值為Ｉ月??末，可能是農歷假期帶來的影響。??１３??

【參考文獻】：
期刊論文
[1]基于ARIMA模型的人民幣匯率分析及預測[J]. 孔佳文,卞佳祎,方小萱,李文.  現(xiàn)代經濟信息. 2016(11)
[2]基于GARCH模型的短期匯率預測[J]. 魏紅燕,孟純軍.  經濟數(shù)學. 2014(01)
[3]基于ARIMA模型和GARCH模型的美元指數(shù)波動性分析[J]. 王未卿,呂亞.  財會月刊. 2012(30)
[4]我國網(wǎng)上銀行業(yè)務發(fā)展現(xiàn)狀及相關問題對策研究[J]. 鄒湘豫.  中國市場. 2010(32)
[5]去異方差交易量與價格波動關系研究[J]. 文鳳華,饒貴添,張小勇,楊曉光.  管理科學學報. 2010(03)
[6]中國股市交易量波動率和交易量相關性關系的實證研究[J]. 尹為醇.  世界經濟情況. 2010(03)
[7]滬深股市交易量與收益率及其波動的相關性:來自實證分析的證據(jù)[J]. 趙留彥,王一鳴.  經濟科學. 2003(02)

碩士論文
[1]基于圖嵌入與彈性網(wǎng)絡回歸的特征提取算法及其在人臉識別中的應用[D]. 劉毛溪.南昌航空大學 2017
[2]交互效應下的模型選擇[D]. 陳笑弟.中國科學技術大學 2016
[3]幾種變量選擇方法在Cox模型中的應用[D]. 韋新星.廣西大學 2015
[4]正則參數(shù)下指數(shù)族分布回歸模型的變量選擇方法研究[D]. 吳文俊.廣西師范學院 2014
[5]Elastic Net方法在幾類模型變量選擇中的應用[D]. 黃登香.廣西大學 2014
[6]基于張量的圖像識別方法的研究[D]. 孫明芳.吉林大學 2012
[7]基于稀疏偏最小二乘算法的生物組學數(shù)據(jù)融合算法研究[D]. 王鋒.吉林大學 2012
[8]廣義線性模型基于Elastic Net的變量選擇方法研究[D]. 盧穎.北京交通大學 2011
[9]滬深股市波動率特征及其與交易量關系研究[D]. 江求川.華中科技大學 2010



本文編號：3058859