中國(guó)權(quán)證價(jià)格的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其結(jié)構(gòu)優(yōu)化.pdf

1、隨著我國(guó)金融市場(chǎng)改革的不斷深化，尤其是融資融券業(yè)務(wù)以及股指期貨業(yè)務(wù)的推出，為證券衍生產(chǎn)品的推出提供了前提條件。但基于發(fā)達(dá)國(guó)家成熟金融市場(chǎng)以及諸多前提假設(shè)的傳統(tǒng)衍生產(chǎn)品定價(jià)理論，在很大程度上不能夠很好的描述現(xiàn)實(shí)市場(chǎng)尤其是中國(guó)市場(chǎng)上交易的衍生產(chǎn)品價(jià)格。
　　本文通過(guò)利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)中國(guó)權(quán)證價(jià)格預(yù)測(cè)的非線性模型，并在模型的構(gòu)建中利用各個(gè)輸入指標(biāo)各自多日數(shù)據(jù)，建立起各指針各自的特征值矩陣作為輸入變量，同時(shí)利用各指針在神經(jīng)網(wǎng)絡(luò)的不同

2、權(quán)重選擇輸入變量，優(yōu)化神經(jīng)網(wǎng)絡(luò)，解決了多指標(biāo)、多日數(shù)據(jù)的處理問(wèn)題以及輸入指標(biāo)的優(yōu)化問(wèn)題。同時(shí)也通過(guò)利用中國(guó)權(quán)證交易市場(chǎng)數(shù)據(jù)對(duì)建立的非線性預(yù)測(cè)模型進(jìn)行了實(shí)證檢驗(yàn),實(shí)證結(jié)果顯示基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型對(duì)一周的漲跌準(zhǔn)確率可以達(dá)到80％。
　　本文首先回顧相關(guān)文獻(xiàn)，明確了中國(guó)金融市場(chǎng)的可預(yù)測(cè)性，并介紹了權(quán)證的相關(guān)知識(shí)。
　　其次，通過(guò)介紹傳統(tǒng)的權(quán)證定價(jià)模型及方法并利用中國(guó)權(quán)證市場(chǎng)交易數(shù)據(jù)對(duì)其進(jìn)行實(shí)證檢驗(yàn)，證明單純使用傳統(tǒng)的定價(jià)模型

3、及方法并不能很好的對(duì)中國(guó)金融市場(chǎng)上正在交易的權(quán)證進(jìn)行定價(jià)。
　　然后，在第三章當(dāng)中建立起了對(duì)權(quán)證價(jià)格預(yù)測(cè)的非線性模型，并闡述了非線性預(yù)測(cè)模型的實(shí)現(xiàn)方法——人工神經(jīng)網(wǎng)絡(luò)。
　　隨后，建立了基于 BP算法的多層前饋式神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并在模型的構(gòu)建當(dāng)中通過(guò)利用各指針輸入數(shù)據(jù)以及回溯期（LAG）天數(shù)，分別為各指標(biāo)構(gòu)造出其獨(dú)自的方陣，并求出在不同 LAG天數(shù)下，各指標(biāo)方陣的特征值最大值所構(gòu)成的神經(jīng)網(wǎng)絡(luò)輸入矩陣；在對(duì)輸入數(shù)據(jù)的歸一化過(guò)

4、程當(dāng)中，也充分利用中國(guó)市場(chǎng)特有的漲跌停機(jī)制，對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理；利用各輸入指針在神經(jīng)網(wǎng)絡(luò)中的權(quán)重大小，對(duì)輸入指標(biāo)進(jìn)行刪減，優(yōu)化預(yù)測(cè)模型；并通過(guò)相應(yīng)的程序設(shè)計(jì)該模型實(shí)現(xiàn)了自動(dòng)查找出最佳的前置天數(shù)以及求出所對(duì)應(yīng)的神經(jīng)網(wǎng)絡(luò)模型，避免了人為設(shè)定LAG值對(duì)預(yù)測(cè)模型的影響。同時(shí)也利用了相關(guān)數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證檢驗(yàn)并與傳統(tǒng)定價(jià)模型方法對(duì)比，證明基于BP算法的多層前饋式神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型無(wú)論是在漲跌方向上的預(yù)測(cè)還是具體價(jià)格的確定都優(yōu)于傳統(tǒng)的定價(jià)模型