基于ICA-NN-GARCH的股票波動(dòng)率模型研究
發(fā)布時(shí)間:2023-02-26 21:38
隨著我國金融市場(chǎng)的壯大,股票市場(chǎng)在金融市場(chǎng)中的地位更加重要,充分認(rèn)識(shí)風(fēng)險(xiǎn)的存在、做好防范風(fēng)險(xiǎn)準(zhǔn)備有利于股票市場(chǎng)的穩(wěn)定。股票波動(dòng)率是衡量金融風(fēng)險(xiǎn)的重要指標(biāo),計(jì)算股票波動(dòng)率能夠預(yù)測(cè)股票未來走勢(shì),為投資者和管理者提供更精確的選擇方向,防范風(fēng)險(xiǎn)。學(xué)者們對(duì)股票波動(dòng)率研究已經(jīng)取得了很大進(jìn)展,但是在預(yù)測(cè)準(zhǔn)確性方面還有待提升,因此,本文以新舊動(dòng)能轉(zhuǎn)換的5個(gè)板塊10支股票為研究樣本,建立了準(zhǔn)確性更高的模型預(yù)測(cè)股票波動(dòng)率。由于高維金融時(shí)間數(shù)據(jù)具有復(fù)雜性,使用單一的廣義自回歸條件異方差模型(GARCH模型)處理高維數(shù)據(jù)會(huì)存在預(yù)測(cè)精度偏低和不夠準(zhǔn)確等問題,并且GARCH模型也存在待估參數(shù)過多、計(jì)算不夠簡(jiǎn)潔等問題,因此本文采用多元波動(dòng)率模型,以此來更準(zhǔn)確有效地預(yù)測(cè)股票波動(dòng)率。首先,本文選擇獨(dú)立成分分析方法(ICA)提取高維信息,ICA方法能夠快速高效地提取數(shù)據(jù)中的獨(dú)立成分,從而起到降維的作用,并且ICA方法有計(jì)算簡(jiǎn)潔、耗用內(nèi)存小的特性。其次,本文選用GARCH模型消除由于時(shí)間序列造成的異方差性,GARCH模型在處理金融數(shù)據(jù)中的線性部分具有較大的優(yōu)勢(shì),在對(duì)非線性的數(shù)據(jù)進(jìn)行擬合時(shí),可以通過結(jié)合神經(jīng)網(wǎng)絡(luò)(NN)來完成...
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.2 研究意義
1.2.1 理論意義
1.2.2 現(xiàn)實(shí)意義
1.3 研究現(xiàn)狀
1.3.1 關(guān)于單一波動(dòng)率模型的研究
1.3.2 關(guān)于多元波動(dòng)率模型的研究
1.4 本研究的創(chuàng)新點(diǎn)和難點(diǎn)
1.4.1 本研究的創(chuàng)新點(diǎn)
1.4.2 本研究的難點(diǎn)
1.5 本研究的內(nèi)容與方法
1.5.1 研究內(nèi)容
1.5.2 研究方法
2 獨(dú)立成分分析方法(ICA)的基本原理
2.1 獨(dú)立成分分析基本原理
2.1.1 獨(dú)立成分分析的概念
2.1.2 獨(dú)立成分分析的模型
2.2 獨(dú)立成分分析的求解過程
2.2.1 預(yù)處理
2.2.2 目標(biāo)函數(shù)的選取
2.2.3 優(yōu)化算法的選擇(Fast ICA)
2.3 獨(dú)立成分分析的應(yīng)用
2.4 本章小結(jié)
3 股票波動(dòng)率產(chǎn)生的原因及特征分析
3.1 股票價(jià)格波動(dòng)周期性
3.2 股票波動(dòng)率產(chǎn)生的原因分析
3.3 股票波動(dòng)率特征分析
3.4 本章小結(jié)
4 基于ICA-NN-GARCH的波動(dòng)率模型研究
4.1 波動(dòng)率模型
4.1.1 GARCH模型
4.1.2 BEKK模型
4.1.3 EWMA模型
4.1.4 DCC-GARCH模型
4.2 NN-GARCH模型
4.2.1 神經(jīng)網(wǎng)絡(luò)
4.2.2 建立NN-GARCH模型
4.3 建立ICA-GARCH模型和ICA-NN-GARCH模型
4.3.1 ICA-GARCH模型
4.3.2 ICA-NN-GARCH模型
4.4 本章小結(jié)
5 基于ICA-NN-GARCH的波動(dòng)率模型實(shí)證研究
5.1 數(shù)據(jù)描述
5.1.1 數(shù)據(jù)選擇
5.1.2 數(shù)據(jù)統(tǒng)計(jì)描述
5.1.3 平穩(wěn)性檢驗(yàn)
5.2 模型估計(jì)
5.3 波動(dòng)率模型在VaR中的應(yīng)用
5.3.1 VaR相關(guān)理論
5.3.2 波動(dòng)率模型在VaR中的應(yīng)用分析
5.4 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):3750938
【文章頁數(shù)】:69 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
1 緒論
1.1 研究背景
1.2 研究意義
1.2.1 理論意義
1.2.2 現(xiàn)實(shí)意義
1.3 研究現(xiàn)狀
1.3.1 關(guān)于單一波動(dòng)率模型的研究
1.3.2 關(guān)于多元波動(dòng)率模型的研究
1.4 本研究的創(chuàng)新點(diǎn)和難點(diǎn)
1.4.1 本研究的創(chuàng)新點(diǎn)
1.4.2 本研究的難點(diǎn)
1.5 本研究的內(nèi)容與方法
1.5.1 研究內(nèi)容
1.5.2 研究方法
2 獨(dú)立成分分析方法(ICA)的基本原理
2.1 獨(dú)立成分分析基本原理
2.1.1 獨(dú)立成分分析的概念
2.1.2 獨(dú)立成分分析的模型
2.2 獨(dú)立成分分析的求解過程
2.2.1 預(yù)處理
2.2.2 目標(biāo)函數(shù)的選取
2.2.3 優(yōu)化算法的選擇(Fast ICA)
2.3 獨(dú)立成分分析的應(yīng)用
2.4 本章小結(jié)
3 股票波動(dòng)率產(chǎn)生的原因及特征分析
3.1 股票價(jià)格波動(dòng)周期性
3.2 股票波動(dòng)率產(chǎn)生的原因分析
3.3 股票波動(dòng)率特征分析
3.4 本章小結(jié)
4 基于ICA-NN-GARCH的波動(dòng)率模型研究
4.1 波動(dòng)率模型
4.1.1 GARCH模型
4.1.2 BEKK模型
4.1.3 EWMA模型
4.1.4 DCC-GARCH模型
4.2 NN-GARCH模型
4.2.1 神經(jīng)網(wǎng)絡(luò)
4.2.2 建立NN-GARCH模型
4.3 建立ICA-GARCH模型和ICA-NN-GARCH模型
4.3.1 ICA-GARCH模型
4.3.2 ICA-NN-GARCH模型
4.4 本章小結(jié)
5 基于ICA-NN-GARCH的波動(dòng)率模型實(shí)證研究
5.1 數(shù)據(jù)描述
5.1.1 數(shù)據(jù)選擇
5.1.2 數(shù)據(jù)統(tǒng)計(jì)描述
5.1.3 平穩(wěn)性檢驗(yàn)
5.2 模型估計(jì)
5.3 波動(dòng)率模型在VaR中的應(yīng)用
5.3.1 VaR相關(guān)理論
5.3.2 波動(dòng)率模型在VaR中的應(yīng)用分析
5.4 本章小結(jié)
6 結(jié)論與展望
6.1 結(jié)論
6.2 展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝
本文編號(hào):3750938
本文鏈接:http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3750938.html
最近更新
教材專著