中國權(quán)證價格的神經(jīng)網(wǎng)絡(luò)預(yù)測模型及其結(jié)構(gòu)優(yōu)化.pdf

1、隨著我國金融市場改革的不斷深化，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)國家成熟金融市場以及諸多前提假設(shè)的傳統(tǒng)衍生產(chǎn)品定價理論，在很大程度上不能夠很好的描述現(xiàn)實(shí)市場尤其是中國市場上交易的衍生產(chǎn)品價格。
　　本文通過利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對中國權(quán)證價格預(yù)測的非線性模型，并在模型的構(gòu)建中利用各個輸入指標(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)的處理問題以及輸入指標(biāo)的優(yōu)化問題。同時也通過利用中國權(quán)證交易市場數(shù)據(jù)對建立的非線性預(yù)測模型進(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)測模型對一周的漲跌準(zhǔn)確率可以達(dá)到80％。
　　本文首先回顧相關(guān)文獻(xiàn)，明確了中國金融市場的可預(yù)測性，并介紹了權(quán)證的相關(guān)知識。
　　其次，通過介紹傳統(tǒng)的權(quán)證定價模型及方法并利用中國權(quán)證市場交易數(shù)據(jù)對其進(jìn)行實(shí)證檢驗(yàn)，證明單純使用傳統(tǒng)的定價模型

3、及方法并不能很好的對中國金融市場上正在交易的權(quán)證進(jìn)行定價。
　　然后，在第三章當(dāng)中建立起了對權(quán)證價格預(yù)測的非線性模型，并闡述了非線性預(yù)測模型的實(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)測模型，并在模型的構(gòu)建當(dāng)中通過利用各指針輸入數(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；在對輸入數(shù)據(jù)的歸一化過

4、程當(dāng)中，也充分利用中國市場特有的漲跌停機(jī)制，對輸入數(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，對輸入指標(biāo)進(jìn)行刪減，優(yōu)化預(yù)測模型；并通過相應(yīng)的程序設(shè)計該模型實(shí)現(xiàn)了自動查找出最佳的前置天數(shù)以及求出所對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型，避免了人為設(shè)定LAG值對預(yù)測模型的影響。同時也利用了相關(guān)數(shù)據(jù)對模型進(jìn)行了實(shí)證檢驗(yàn)并與傳統(tǒng)定價模型方法對比，證明基于BP算法的多層前饋式神經(jīng)網(wǎng)絡(luò)預(yù)測模型無論是在漲跌方向上的預(yù)測還是具體價格的確定都優(yōu)于傳統(tǒng)的定價模型