本文關(guān)鍵詞：數(shù)據(jù)驅(qū)動的金融時間序列預(yù)測模型研究　出處：《山西大學(xué)》2016年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 數(shù)據(jù)驅(qū)動 金融時間序列 預(yù)測 混合模型 GARCH 支持向量機(jī) 微分器

【摘要】：1997年諾貝爾經(jīng)濟(jì)學(xué)獎獲得者美國經(jīng)濟(jì)學(xué)家Robert Carhart Merton提出,現(xiàn)代金融理論的核心問題就是如何在不確定的環(huán)境下對資源進(jìn)行跨期的最優(yōu)配置。而按照非線性動力學(xué)的觀點(diǎn)來看,現(xiàn)代金融理論中金融系統(tǒng)的不確定性恰恰源于其自身就是一個受多種因素綜合影響的具有開放性質(zhì)的復(fù)雜巨系統(tǒng),相應(yīng)地,作為系統(tǒng)觀測值的金融時序數(shù)據(jù)則從形式上表現(xiàn)了該系統(tǒng)的復(fù)雜運(yùn)動規(guī)律。相關(guān)金融時序可預(yù)測性的文獻(xiàn)研究表明,無論是線性范式下的傳統(tǒng)統(tǒng)計(jì)方法,還是非線性的計(jì)算智能方法,以及多種不同類型方法的組合模型都在一定范圍內(nèi)提升和改善了人們對于金融時序數(shù)據(jù)預(yù)測的精確性和穩(wěn)定性,但大多缺乏對不同類型金融時序數(shù)據(jù)內(nèi)部時間相關(guān)性知識、價(jià)格變化趨勢信息以及不同市場間互信息等經(jīng)驗(yàn)知識的有效融合,制約了其預(yù)測性能的進(jìn)一步提高�；诖�,本研究借鑒復(fù)雜系統(tǒng)視角建模的思想,針對各種不同類型的金融時序數(shù)據(jù),結(jié)合智能計(jì)算、計(jì)算實(shí)驗(yàn)金融、數(shù)據(jù)挖掘以及控制論等相關(guān)領(lǐng)域的最新研究成果,“自底向上”地展開金融時序數(shù)據(jù)經(jīng)驗(yàn)知識融合下的機(jī)器學(xué)習(xí)預(yù)測建模創(chuàng)新研究,以探索金融系統(tǒng)的復(fù)雜演化規(guī)律。主要研究成果和創(chuàng)新概括如下：1、針對單變量金融時序數(shù)據(jù)變化趨勢信息和市場隔夜跳空開盤信息的重要性,在借助跟蹤微分器提取數(shù)據(jù)近似微分的基礎(chǔ)上,分別構(gòu)造了基于微分信息和基于梯度信息的ARMA-GARCH單預(yù)測模型,旨在增強(qiáng)模型在高噪聲擾動環(huán)境下對于時序數(shù)據(jù)變化趨勢的判別能力；從分階段混合模型構(gòu)造的角度,提出了一種新的基于ARIMA和泰勒展開的預(yù)測模型,改進(jìn)傳統(tǒng)方法對于時序數(shù)據(jù)內(nèi)部經(jīng)驗(yàn)知識學(xué)習(xí)不夠充分的問題。2、針對多變量金融時序數(shù)據(jù)所具有的高維復(fù)雜性,考慮到金融市場間日益顯著的聯(lián)動及傳染效應(yīng),提出了一種基于近鄰互信息的SVM-GARCH模型,旨在融合市場聯(lián)動行為信息的基礎(chǔ)上,提高傳統(tǒng)單模型對于時序數(shù)據(jù)非線性成分的處理能力；從構(gòu)造混合模型提高預(yù)測穩(wěn)定性的角度,借助時間測地線距離的概念構(gòu)造新的混合預(yù)測模型,改善模型對于時序數(shù)據(jù)內(nèi)部時間相關(guān)性知識的學(xué)習(xí)和泛化能力,提高預(yù)測結(jié)果的精確性和有效性。數(shù)據(jù)驅(qū)動的“自底向上”的建模方法就是要通過對復(fù)雜系統(tǒng)的觀測數(shù)據(jù)進(jìn)行分析,來展開對金融系統(tǒng)的反向研究,有利于克服規(guī)范分析假設(shè)過于嚴(yán)格、實(shí)證分析難以進(jìn)行靈敏度測試的弱點(diǎn),是金融理論與實(shí)踐的高度統(tǒng)一。本研究中無論是相關(guān)單變量金融時序數(shù)據(jù)的分析,還是針對于高維金融時序面板數(shù)據(jù)的研究,數(shù)據(jù)驅(qū)動的模型創(chuàng)新都體現(xiàn)了復(fù)雜系統(tǒng)視角建模思想在金融領(lǐng)域的應(yīng)用,旨在從不同的角度充分挖掘并發(fā)現(xiàn)復(fù)雜金融現(xiàn)象背后的客觀規(guī)律,降低金融系統(tǒng)的不確定性,提高金融市場效率,并為相關(guān)金融理論創(chuàng)新研究提供新的動力和方向。
【學(xué)位授予單位】：山西大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：F224;F830

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于志軍;楊善林;章政;焦健;;基于誤差校正的灰色神經(jīng)網(wǎng)絡(luò)股票收益率預(yù)測[J];中國管理科學(xué);2015年12期

2 張貴生;張信東;;基于時間相關(guān)性的股票價(jià)格混合預(yù)測模型[J];經(jīng)濟(jì)問題;2015年09期

3 耿立艷;;股指波動率的最小二乘支持向量機(jī)預(yù)測方法[J];統(tǒng)計(jì)與決策;2015年09期

4 沈傳河;王向榮;;金融市場聯(lián)動形態(tài)結(jié)構(gòu)的非線性分析[J];管理科學(xué)學(xué)報(bào);2015年02期

5 蔣傳進(jìn);;組合預(yù)測中的預(yù)測精度與預(yù)測風(fēng)險(xiǎn)分析[J];統(tǒng)計(jì)與決策;2015年03期

6 李海燕;;基于支持向量機(jī)算法的股市拐點(diǎn)預(yù)測分析[J];鄭州大學(xué)學(xué)報(bào)(哲學(xué)社會科學(xué)版);2015年01期

7 黃潤鵬;左文明;畢凌燕;;基于微博情緒信息的股票市場預(yù)測[J];管理工程學(xué)報(bào);2015年01期

8 方立兵;郭炳伸;曾勇;;偏斜參數(shù)對GARCH族模型估計(jì)與預(yù)測績效的影響[J];統(tǒng)計(jì)研究;2014年10期

9 李丹;鄭偉;張偉偉;徐天群;;基于ARMA-GARCH的股指期貨實(shí)證分析[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2014年05期

10 何曉光;黃德權(quán);;基于ARMA-GARCH類模型的SHIBOR的VaR比較[J];經(jīng)濟(jì)與管理評論;2014年04期

，

本文編號：1314948