數(shù)據(jù)驅動的股指收益率與波動率的預測方法研究.pdf

1、我國的股票市場還處在成長階段，因此有著其固有的特殊性。由于股市的不規(guī)范所帶來的各種虛假信息，更是讓投資者對股票價格的走向難以進行判斷，從而損失許多利益。因此在金融市場中，特別是股票市場中，通過數(shù)據(jù)的分析及處理來探討其內在的運行規(guī)律刻不容緩。而股票價格波動的背后定然存在著一些潛在的必然規(guī)律，且這些規(guī)律來調配股票的價格。因此，問題的焦點就集中在如何去尋找這些潛在的規(guī)律，這才是目前需要進行進一步去研究和探討的重點。近些年，基于數(shù)據(jù)處理和分析的

2、預測理論在金融市場發(fā)揮的作用越發(fā)明顯，通過本文的具體研究，可以有效地運用數(shù)學模型將信息進行數(shù)學化的描述和分析，體現(xiàn)數(shù)據(jù)的變化趨勢，挖掘潛在的固有規(guī)律等重要信息，從而為管理者以及投資者提供可靠的依據(jù)。
　　本文運用數(shù)值分析理論、統(tǒng)計回歸理論、智能優(yōu)化理論等來解決金融領域的預測問題。從形式上說是給出了解決金融領域的問題的三類方法體系，從本質上理解，則是選取三個不同視角為切入點解決金融領域的預測。即數(shù)值分析理論主要解決預測過程中的計算過

3、程的復雜性，統(tǒng)計回歸理論聚焦消除預測過程中的影響變量的多重性，智能優(yōu)化理論重點針對預測過程中的模型參數(shù)的優(yōu)化性。在不同的金融數(shù)據(jù)類型下，采用不同的模型體系，只有“因人而異”才可以起到“藥到病除”的效果。在具體的研究中，本文在簡要地分析數(shù)據(jù)分析理論對促進科學預測的重要性，闡述科學預測在金融業(yè)，特別是股票市場中的重要性和必要性，以及論述金融預測模型的研究的國內外現(xiàn)狀及其存在的問題的基礎上，把灰色預測模型，偏最小二乘回歸預測模型，時間序列預測

4、模型和智能優(yōu)化預測模型應用到金融領域的實踐中去。
　　本文的具體研究內容和創(chuàng)新性工作如下:
　　一、在已有的傳統(tǒng)灰色模型基礎上，提出利用強化和弱化緩沖算子對原始數(shù)據(jù)序列進行數(shù)據(jù)進行預處理的策略，從而得到一組較為平緩的數(shù)據(jù)序列用于GM(1，1)預測模型的輸入，然后分別利用組合插值和三次樣條插值對傳統(tǒng)GM(1，1)模型的背景值進行改進，以獲得新的預測模型。最后利用本章的預測方法對上證指數(shù)日收益率進行仿真實驗，結果表明，本章方法克

5、服了受沖擊擾動數(shù)據(jù)影響的問題，并且具有更高的模擬和預測精度。
　　二、在William Sharpe提出的資本資產(chǎn)定價模型(CAPM)基礎上，提出在多因子情況下遇到多重共線性問題時，一種新的解決這種困難的方法，即偏最小二乘的二次多項式回歸方法。該方法不僅考慮每個因素對收益的影響，還可以考慮到影響因素之間的相互作用對收益的影響，從而更加全面的分析影響資產(chǎn)回報率的因素。另外，我們還把偏最小二乘支持回歸理論與支持向量回歸理論結合，解決中

6、國股票市場的多影響因子的優(yōu)化問題，克服各因子間的多重共線性的干擾，從而篩選出影響股票收益回報率的重要因素變量，為股市的技術分析提供一個可信的工具。
　　三、考慮到SVR的算法過程中的由于不敏感損失函數(shù)中的ε、懲罰因子C和徑向基函數(shù)中的σ2這三個參數(shù)取值的不同，則會導致支持向量回歸模型不同的。故而在支持向量回歸的理論基礎上，結合我國經(jīng)濟運行的基本特點，汲取支持向量回歸和群智能算法的優(yōu)點，分別提出通過控制誤差ε的取值，對偏最小二乘支持

7、向量回歸模型中參數(shù)集（C，σ2）采用帶有RBF核的遺傳算法進行近似尋優(yōu)，之后采用偏最小二乘支持向量回歸對上證綜指收益率進行預測，算法對存在高度的非線性、耦合性的金融數(shù)據(jù)，有著良好的適應性，從而確保了預測的精度。
　　四、針對金融數(shù)據(jù)的非線性和不確定等特性，借助模糊邏輯系統(tǒng)，提出一種新的金融市場波動率的預測方法-模糊FEGARCH模型，用來更好的應對具有非線性特性的收益率數(shù)據(jù)進行預測。其次，為了判斷分布型模型和不對稱型模型對預測精度

8、的影響程度，分別采用分布型和不對稱型與模糊FEGARCH)的波動模型進行預測比較。另外，綜合智能算法和時間序列的優(yōu)點對股票波動率進行預測，利用加權最小二乘支持向量回歸模型進行初步預測，然后利用EGARCH模型對加權最小二乘支持向量回歸的預測誤差后進行修正，通過EGARCH模型來估計預測模型的擬合誤差及其分布規(guī)律，得到最終的上證綜指波動率預測值。最后，對上述兩種方法的預測結果的采用的SPA檢驗方法，該方法的優(yōu)點在于可以遍歷對比每個模型的所