本文關鍵詞：基于支持向量分位數(shù)回歸的金融市場條件概率密度預測

  更多相關文章： 貨幣需求 人民幣匯率 分位數(shù)回歸 支持向量分位數(shù)回歸 條件密度預測

【摘要】：在經(jīng)濟與金融定量分析領域,準確預測經(jīng)濟與金融變量的變動規(guī)律,對于制定經(jīng)濟與金融政策、實施相應的控制方案具有重要的決策參考價值。由于經(jīng)濟與金融系統(tǒng)的具有非線性、非對稱性與異質(zhì)性等復雜性,導致線性均值回歸分析等傳統(tǒng)的模型與方法,難以有效揭示其內(nèi)在運行機理。為此,需要開發(fā)新的建模工具開展相關研究工作,本文對此進行研究。本文將支持向量機原理與分位數(shù)回歸相結合,建立支持向量分位數(shù)回歸模型,并將其應用于經(jīng)濟與金融定量分析中。該模型能夠充分發(fā)揮支持向量機與分位數(shù)回歸兩個方面的優(yōu)勢：一方面,通過支持向量機,能夠充分模擬經(jīng)濟與金融系統(tǒng)的非線性作用機制；另一方面,通過分位數(shù)回歸,能夠充分刻畫解釋變量對響應變量整個條件分布的影響,揭示經(jīng)濟與金融系統(tǒng)的非對稱性與異質(zhì)性作用。本文重點開展了以下三個方面新的研究：第一,將支持向量分位數(shù)回歸引入貨幣需求分析與人民幣匯率預測,建立了相應的計量模型,給出了模型表示、模型求解、參數(shù)選擇等方法；第二,在基于支持向量分位數(shù)回歸模型條件分位數(shù)預測基礎上,進一步給出了條件密度預測方法,實現(xiàn)了貨幣需求與人民幣匯率的概率密度預測；第三,通過Monte Carlo數(shù)值模擬與實證研究,將支持向量分位數(shù)回歸模型與一般線性回歸模型進行比較,結果顯示前者具有更好的模型擬合效果與更高的預測準確程度。實證研究結果表明,支持向量分位數(shù)回歸模型既能夠很好地擬合貨幣需求(或人民幣匯率)與其影響因素之間的非線性依賴關系,也能夠給出準確的條件密度預測結果：不僅可以預測貨幣需求與人民幣匯率的未來取值水平,而且可以判斷其散布與形狀,能夠細致考慮解釋變量對響應變量未來取值分布特征的影響,從而比傳統(tǒng)的點預測方式提供更多的有用信息,能夠為貨幣需求及人民幣匯率政策的制定提供科學的決策依據(jù)。本文的研究結果表明,支持向量分位數(shù)回歸模型具有很好的非線性處理能力與完整條件分布特征刻畫能力,能夠深入、細致地揭示經(jīng)濟與金融系統(tǒng)中的復雜關系,可望獲得廣泛應用。未來,可以在以下兩個方面,開展進一步研究工作：第一,在建模理論與方法上,可以考慮帶有懲罰約束的支持向量分位數(shù)回歸問題,解決眾多解釋變量的影響。第二,在實際應用中,可以結合條件密度預測的結果進行決策優(yōu)化,如：組合投資決策問題。
【關鍵詞】：貨幣需求 人民幣匯率 分位數(shù)回歸 支持向量分位數(shù)回歸 條件密度預測
【學位授予單位】：合肥工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F832.5
【目錄】：

• 致謝7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 緒論15-21
• 1.1 研究背景與意義15-16
• 1.1.1 選題背景15-16
• 1.1.2 研究意義16
• 1.2 文獻綜述16-19
• 1.2.1 貨幣需求研究進展16-18
• 1.2.2 人民幣匯率研究進展18-19
• 1.3 研究方法19
• 1.4 主要創(chuàng)新和結構安排19-21
• 1.4.1 主要創(chuàng)新19-20
• 1.4.2 結構安排20-21
• 第二章 支持向量分位數(shù)回歸理論與方法21-33
• 2.1 分位數(shù)回歸理論與方法21-23
• 2.1.1 線性分位數(shù)回歸21-22
• 2.1.2 非線性分位數(shù)回歸22-23
• 2.2 支持向量分位數(shù)回歸23-26
• 2.2.1 模型表示23-24
• 2.2.2 模型求解24-25
• 2.2.3 參數(shù)選擇25
• 2.2.4 條件密度預測25-26
• 2.3 數(shù)值模擬26-33
• 2.3.1 模型評價26
• 2.3.2 數(shù)據(jù)生成過程26-27
• 2.3.3 模型估計與評價27-33
• 第三章 基于支持向量分位數(shù)回歸的貨幣需求條件密度預測33-39
• 3.1 貨幣需求分析33
• 3.2 經(jīng)典貨幣需求預測模型33-34
• 3.3 實證研究34-38
• 3.3.1 數(shù)據(jù)選取34
• 3.3.2 貨幣需求函數(shù)分析34-36
• 3.3.3 貨幣需求條件密度預測36-38
• 3.4 本章小結38-39
• 第四章 基于支持向量分位數(shù)回歸的人民幣匯率預測39-46
• 4.1 問題提出39-40
• 4.2 匯率影響因素分析40-41
• 4.2.1 國際收支與匯率40
• 4.2.2 貨幣供給與匯率40
• 4.2.3 通貨膨脹與匯率40
• 4.2.4 利差與匯率40-41
• 4.3 實證研究41-45
• 4.3.1 數(shù)據(jù)選取41
• 4.3.2 數(shù)據(jù)分析41-42
• 4.3.3 模型評價與預測42-45
• 4.4 本章小結45-46
• 第五章 結論與展望46-48
• 5.1 研究結論46
• 5.2 研究展望46-48
• 參考文獻48-52
• 攻讀碩士學位期間的學術活動及成果情況52

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 許啟發(fā);張金秀;蔣翠俠;;基于非線性分位數(shù)回歸模型的多期VaR風險測度[J];中國管理科學;2015年03期

2 許啟發(fā);張金秀;蔣翠俠;;基于支持向量分位數(shù)回歸多期VaR測度[J];系統(tǒng)工程學報;2014年02期

3 陳磊;曾勇;杜化宇;;石油期貨收益率的分位數(shù)建模及其影響因素分析[J];中國管理科學;2012年03期

4 張軍峰;隋東;;基于稀疏型支持向量回歸的時間序列預測[J];系統(tǒng)工程學報;2011年05期

5 許啟發(fā);蔣翠俠;;分位數(shù)局部調(diào)整模型及應用[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;2011年08期

6 史金鳳;劉維奇;楊威;;基于分位數(shù)回歸的金融市場穩(wěn)定性檢驗[J];中國管理科學;2011年02期

7 楊小勇;龔曉鶯;;貨幣政策效果與貨幣需求構成的關系及政策建議[J];經(jīng)濟學動態(tài);2010年08期

8 王靜;;人民幣匯率影響因素多元回歸模型分析[J];經(jīng)營管理者;2010年13期

9 張莉;;中美利差對人民幣匯率變動的影響分析[J];統(tǒng)計與信息論壇;2010年04期

10 萬曉莉;霍德明;陳斌開;;中國貨幣需求長期是否穩(wěn)定?[J];經(jīng)濟研究;2010年01期

，

本文編號：753290