本文選題：自組織神經(jīng)網(wǎng)絡(luò)　切入點(diǎn)：波動性　出處：《控制理論與應(yīng)用》2010年04期

【摘要】：匯率波動性的預(yù)測一直以來是研究金融市場者關(guān)注的焦點(diǎn)之一,本文拓展了一種基于自組織神經(jīng)網(wǎng)絡(luò)技術(shù)的,用于預(yù)測非平穩(wěn)匯率波動性的自組織混合模型(SOMAR).SOMAR突破了傳統(tǒng)模型對平穩(wěn)性的假設(shè),變?nèi)纸榫植拷?使得全局非平穩(wěn)數(shù)據(jù)變成局部平穩(wěn)數(shù)據(jù).同時,它也是一種基于神經(jīng)元網(wǎng)絡(luò)技術(shù)的非參數(shù)回歸模型,結(jié)合傳統(tǒng)回歸模型的簡易性和神經(jīng)元網(wǎng)絡(luò)算法的靈活性,拓展模型(ESOMAR)提高了對數(shù)據(jù)異構(gòu)的適應(yīng)性.在對匯率波動性的預(yù)測實(shí)驗(yàn)中,ESOMAR體現(xiàn)出優(yōu)于傳統(tǒng)回歸模型和一些基于其它神經(jīng)元網(wǎng)絡(luò)模型的效果,并證明了它在預(yù)測金融數(shù)據(jù)方面所具有的價值.
[Abstract]:The prediction of exchange rate volatility has always been one of the focuses of financial market research. The self-organizing mixed model used to predict the volatility of non-stationary exchange rate is a self-organizing mixed model, which breaks through the assumption of stationarity in the traditional model, and changes the global modeling to local modeling, which makes the global non-stationary data become locally stationary. At the same time, the global non-stationary data can be transformed into locally stationary data. It is also a non-parametric regression model based on neural network technology, which combines the simplicity of traditional regression model and the flexibility of neural network algorithm. ESOMAR) improves the adaptability to data heterogeneity. In the experiment of forecasting exchange rate volatility, ESOMAR is superior to the traditional regression model and some other neural network models. It also proves its value in predicting financial data.
【作者單位】： 浙江工商大學(xué)金融學(xué)院;
【基金】：國家教育部人文社科基金資助項(xiàng)目(09YJC790242) 浙江省自然科學(xué)基金資助項(xiàng)目(Y7080205)
【分類號】：F830

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 伍戈,姜波克,唐建偉;外匯市場信息與匯率波動性研究[J];財(cái)經(jīng)研究;2002年07期

【共引文獻(xiàn)】

相關(guān)博士學(xué)位論文 前4條

1 王學(xué)真;東亞地區(qū)匯率波動的理論及實(shí)證研究[D];東北師范大學(xué);2004年

2 殷紅海;中國A、B股市場的分割性檢驗(yàn)[D];復(fù)旦大學(xué);2004年

3 許罕多;新匯率理論[D];吉林大學(xué);2006年

4 楊金梅;論我國央行外匯干預(yù)與沖銷操作[D];復(fù)旦大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 楊超;外匯市場的波動及外匯風(fēng)險管理研究[D];天津財(cái)經(jīng)學(xué)院;2003年

2 吳文東;外匯期權(quán)的定價及其在中國市場的實(shí)證研究[D];華僑大學(xué);2004年

3 錢小牧;外匯期權(quán)定價及其實(shí)證研究[D];重慶大學(xué);2005年

4 陽娟紅;人民幣匯率波動及對策研究[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2006年

5 王娟;外匯投資與匯率走勢研究[D];天津財(cái)經(jīng)大學(xué);2006年

6 徐煒;匯率波動的微觀研究及對政府干預(yù)的政策建議[D];西南財(cái)經(jīng)大學(xué);2006年

7 胡濤;中國銀行上饒市分行金融衍生產(chǎn)品研究[D];西安理工大學(xué);2006年

8 李翼;外匯走勢與企業(yè)外匯風(fēng)險管理研究[D];天津財(cái)經(jīng)大學(xué);2007年

9 孫威;組合匯率預(yù)測方法在人民幣/美元匯率預(yù)測上的應(yīng)用[D];山東大學(xué);2007年

10 李浩;外匯匯率波動性研究[D];暨南大學(xué);2007年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 梁毅剛;;中國股市的波動性研究——基于CARR模型的分析[J];甘肅金融;2010年12期

2 江姍;王斯聰;楊永愉;;上海證券交易所A股市場的波動性分析[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年06期

3 丁忠明;夏萬軍;;中國股市波動的CARR模型分析[J];商業(yè)經(jīng)濟(jì)與管理;2005年12期

4 牛麗萍;任金政;宋化勇;;消費(fèi)信貸管理行為評分模型的研究[J];廣西金融研究;2007年07期

5 王春峰;莊泓剛;房振明;盧濤;;多重指標(biāo)波動性模型在中國股市波動性估計(jì)和預(yù)測的應(yīng)用——基于高頻數(shù)據(jù)的研究[J];北京理工大學(xué)學(xué)報(bào)(社會科學(xué)版);2008年05期

6 魯萬波;;基于非參數(shù)GARCH模型的中國股市波動性預(yù)測[J];數(shù)理統(tǒng)計(jì)與管理;2006年04期

7 閆鵬;杜子平;張勇;;中國股市的變結(jié)構(gòu)動態(tài)相關(guān)性分析[J];華北金融;2009年05期

8 龐素琳;徐建閩;黎榮舟;;BP算法和對稱ARCH類模型對股市波動性預(yù)測的實(shí)證比較[J];控制理論與應(yīng)用;2006年04期

9 郭儀;付海東;楊林;;基于小波分析的股指波動性預(yù)測模型研究[J];現(xiàn)代商業(yè);2011年21期

10 陳德華;石建民;;我國證券市場風(fēng)險波動性預(yù)測:基于滬深300指數(shù)的比較研究[J];生產(chǎn)力研究;2009年04期

相關(guān)博士學(xué)位論文 前4條

1 汪文雋;歐盟排放權(quán)配額交易市場的價格行為及市場效率[D];中國科學(xué)技術(shù)大學(xué);2011年

2 姚寧;考慮跳躍與市場噪音條件下波動率估計(jì)與應(yīng)用研究[D];天津大學(xué);2009年

3 王晨;我國金融市場波動的區(qū)制關(guān)聯(lián)性與風(fēng)險度量研究[D];吉林大學(xué);2010年

4 張閣;中國股指期貨對現(xiàn)貨市場的影響研究[D];東北財(cái)經(jīng)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 王曉婷;中國證券市場波動性預(yù)測研究[D];北京交通大學(xué);2012年

2 王鵬;波動性、流動性中隱含經(jīng)濟(jì)增長信息嗎？[D];浙江工商大學(xué);2011年

3 田天立;深市股價波動性分析[D];山東經(jīng)濟(jì)學(xué)院;2011年

4 陳喜華;基于MCMC方法的上證股指波動性實(shí)證研究[D];江西財(cái)經(jīng)大學(xué);2012年

5 梁迎雙;基于波動性分析的匯率風(fēng)險測度研究[D];大連海事大學(xué);2010年

6 鐘桂惠;股市收益率的波動性分析[D];華南理工大學(xué);2012年

7 郎立斌;國際現(xiàn)貨黃金的波動性預(yù)測及其VAR度量的實(shí)證研究[D];蘭州大學(xué);2010年

8 孫永亮;訂單流不平衡和股票價格行為研究[D];天津大學(xué);2007年

9 吳宏仁;金融風(fēng)險度量模型綜述[D];山東大學(xué);2011年

10 趙莉;基于GARCH模型的滬深300指數(shù)收益率波動性分析[D];成都理工大學(xué);2012年

，

本文編號：1678588