【摘要】：上海銀行間同業(yè)拆放利率,是金融同業(yè)之間互相拆借頭寸進(jìn)行融資的利率,具備公開(kāi)性和市場(chǎng)化的特點(diǎn),能實(shí)時(shí)精確的反應(yīng)出貨幣市場(chǎng)甚至整個(gè)金融市場(chǎng)上較短時(shí)間內(nèi)的資金供求關(guān)系,對(duì)于中央銀行貨幣政策調(diào)控有指導(dǎo)意義。本文選取隔夜Shibor值作為預(yù)測(cè)研究的對(duì)象,同時(shí)建立了兩種組合模型。一是對(duì)數(shù)據(jù)做EEMD分解,對(duì)分解后的數(shù)據(jù)建立BP-Adaboost預(yù)測(cè);一是針對(duì)單純使用時(shí)間序列模型的線性局限性,以及神經(jīng)網(wǎng)絡(luò)模型易于陷入局部最優(yōu)解的不足,建立了一個(gè)將時(shí)間序列模型的線性預(yù)測(cè)結(jié)果和BP非線性預(yù)測(cè)結(jié)果進(jìn)行組合的ARIMA-BP-Adaboost模型。使用ARIMA模型對(duì)線性部分進(jìn)行預(yù)測(cè),所得的殘差作為非線性預(yù)測(cè)部分的期望輸出,采用BP-Adaboost對(duì)原始數(shù)據(jù)和殘差值進(jìn)行訓(xùn)練,輸出預(yù)測(cè)殘差,并將其和ARIMA模型的預(yù)測(cè)值相加,即得到ARIMA-BP-Adaboost組合模型的預(yù)測(cè)結(jié)果。本文選取多種模型對(duì)隔夜Shibor數(shù)據(jù)進(jìn)行了預(yù)測(cè),通過(guò)對(duì)各模型的擬合程度和預(yù)測(cè)誤差進(jìn)行比較,提出了兩種組合模型預(yù)測(cè)方法,實(shí)證分析表明組合模型的預(yù)測(cè)效果要明顯好于單純的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和時(shí)間序列預(yù)測(cè)模型。
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類(lèi)號(hào)】：F224;F832.2
【圖文】：

圖 2-1 BP 神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)圖aboost 模型daboost 對(duì)同一訓(xùn)練集，訓(xùn)練不同的“弱”分類(lèi)器，通過(guò)迭代方式把所集合成為“強(qiáng)”分類(lèi)器。具體方法如下：

Adaboost算法流程

BP-Adaboost算法流程

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張劍;王波;;Grid-Search和PSO優(yōu)化的SVM在Shibor回歸預(yù)測(cè)中的應(yīng)用研究[J];經(jīng)濟(jì)數(shù)學(xué);2017年02期

2 劉業(yè)奇;鐘輝;;網(wǎng)絡(luò)借貸利率與Shibor利率波動(dòng)關(guān)系探究[J];區(qū)域金融研究;2017年03期

3 張明;郭子睿;何帆;;“錢(qián)荒”為什么會(huì)發(fā)生?——上海銀行間同業(yè)拆放利率的影響因素分析[J];國(guó)際金融研究;2016年12期

4 翁nf元;單杏花;;基于EEMD-GA-BP的組合客流預(yù)測(cè)算法研究[J];鐵路計(jì)算機(jī)應(yīng)用;2016年03期

5 林宇;陳粘;陳宴祥;;基于HMM-EGARCH的銀行間同業(yè)拆放利率市場(chǎng)波動(dòng)預(yù)測(cè)研究[J];系統(tǒng)工程理論與實(shí)踐;2016年03期

6 閆博;周在金;李國(guó)和;齊佳;;基于ARMA和BP_AdaBoost的組合銷(xiāo)售預(yù)測(cè)模型研究[J];計(jì)算機(jī)與現(xiàn)代化;2015年02期

7 王晉忠;趙杰強(qiáng);王茜;;Shibor作為中國(guó)基準(zhǔn)利率有效性的市場(chǎng)屬性分析[J];經(jīng)濟(jì)理論與經(jīng)濟(jì)管理;2014年02期

8 俞國(guó)紅;楊德志;叢佩麗;;ARIMA和RBF神經(jīng)網(wǎng)絡(luò)相融合的股票價(jià)格預(yù)測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2013年18期

9 劉陸宇;;利率市場(chǎng)化進(jìn)程中基準(zhǔn)利率的選擇[J];華東經(jīng)濟(jì)管理;2013年09期

10 李翔;朱全銀;;Adaboost算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)研究[J];計(jì)算機(jī)工程與科學(xué);2013年08期

相關(guān)碩士學(xué)位論文 前2條

1 林慶添;基于人工智能算法的上海銀行間同業(yè)拆放利率預(yù)測(cè)[D];蘭州大學(xué);2016年

2 陳敏;基于BP神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測(cè)模型研究[D];中南大學(xué);2007年

本文編號(hào)：2778043