基于LSTM与多GARCH型混合模型的股价波动性预测的实证分析

基于LSTM与多GARCH型混合模型的股价波动性预测的实证分析

论文摘要

金融市场具有极强的流动性同时也具有着一定振幅的波动性,现实生活中它总是一把“双刃剑”,一方面对于社会经济金融的发展能够起到明显有效地催化剂作用,另一方面,市场自身也存在着一定的风险。通过官方近十年来对我国股票数据的统计显示,我国股市出现两次令人闻风丧胆堪称“股灾”的大幅波动,因此对于我国股市的波动性能够进行全面的掌握,针对我国股市波动性的深入研究就显得日益迫切,这对于股民如何进行理性的投资来说也是非常重要的。纵观近年来,神经网络系统模型与传统时间序列模型发展迅速,并被越来越多的应用于金融市场等领域。本文创新的提出建立神经网络模型与时间序列模型的混合模型,应用其对我国股票市场波动性的掌握与预测进行深入研究。本文着眼于股票数据,以中证500指数日收益率为研究对象,应用工具软件对选取的研究数据进行一系列的统计分析,得到其对数收益率序列具有波动聚集性、尖峰厚尾性、右偏性等特征,序列存在平稳、无自相关等特性且残差序列存在ARCH效应。然后建立基于学生t分布和广义误差GED分布的GARCH族模型,结果发现t分布下GARCH族模型拟合效果最优,进而得到各模型的估计参数,并将它们一同作为混合LSTM模型的输入。最后本文创新的建立LSTM深度神经网络模型与一到三个GARCH族模型相结合的混合模型,对收盘价进行预测,预测结果显示多混合模型GET-LSTM模型在所有的混合LSTM模型中拟合效果最优,预测误差最小。进而根据论文分析结果,从信息披露、政府干预、新品种开发、投资者教育、市场监管等角度提出一些建议。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  •   1.1 研究背景
  •   1.2 研究目的及意义
  •   1.3 研究内容与方法
  •   1.4 国内外研究现状
  •     1.4.1 国外研究现状
  •     1.4.2 国内研究现状
  •     1.4.3 国内外文献综述的简析
  •   1.5 创新点
  • 第二章 相关理论与方法
  •   2.1 股票市场的波动性
  •     2.1.1 波动性概念
  •     2.1.2 波动性特点
  •     2.1.3 波动性度量
  •   2.2 金融市场非对称性模型-GARCH族模型简介
  •     2.2.1 ARCH
  •     2.2.2 GARCH
  •     2.2.3 GARCH族模型拓展
  •     2.2.4 相关分布介绍
  •   2.3 神经网络相关理论
  •     2.3.1 神经网络
  •     2.3.2 传统递归神经网络
  •     2.3.3 LSTM深度神经网络
  •   2.4 本章小结
  • 第3章 GARCH族模型的建立与实证分析
  •   3.1 数据的选取与基本统计分析
  •     3.1.1 波动基本特征分析
  •     3.1.2 序列平稳性检验
  •     3.1.3 序列自相关性检验
  •     3.1.4 异方差性检验(ARCH效应)
  •   3.2 GARCH族模型建模
  •     3.2.1 GARCH(1,1)模型的实证分析结果
  •     3.2.2 EGARCH(1,1)模型的实证分析结果
  •     3.2.3 TGARCH(1,1)模型的实证分析结果
  •     3.2.4 分析比较实证估计结果
  •     3.2.5 GARCH族模型波动率预测效果评价
  •   3.3 本章小结
  • 第4章 混合模型的建立与实证分析
  •   4.1 LSTM模型波动率预测效果评价
  •   4.2 单混合LSTM模型波动率预测效果评价
  •   4.3 双混合LSTM模型波动率预测效果评价
  •   4.4 多混合LSTM模型波动率预测效果评价
  •   4.5 综合比较各模型预测效果优劣
  •   4.6 相关政策与建议
  •   4.7 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的论文及其它成果
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 田晓丹

    导师: 付永强

    关键词: 中证指数,波动性,杠杆效应,模型

    来源: 哈尔滨工业大学

    年度: 2019

    分类: 基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 哈尔滨工业大学

    分类号: F832.51;F224

    DOI: 10.27061/d.cnki.ghgdu.2019.003260

    总页数: 64

    文件大小: 1266K

    下载量: 523

    相关论文文献

    • [1].基于混合模型与改进多分类马田系统的控制图模式识别[J]. 中国机械工程 2019(22)
    • [2].一种基于六维打分的混合模型业务推荐系统[J]. 福建电脑 2017(03)
    • [3].基于贝叶斯分层混合模型的X线胸片图像病例分析[J]. 医疗装备 2020(05)
    • [4].广义指数-帕累托(Ⅳ)混合模型[J]. 辽宁师范大学学报(自然科学版) 2018(01)
    • [5].多输出支持向量机混合模型在机车调簧中的应用[J]. 华南理工大学学报(自然科学版) 2018(04)
    • [6].基于概率分布混合模型的遮挡行人检测算法[J]. 信息技术 2017(01)
    • [7].实-壳混合模型温度场计算方法研究"[J]. 热力透平 2017(03)
    • [8].尺度变化混合模型中的相对随机序[J]. 西北师范大学学报(自然科学版) 2020(03)
    • [9].基于无限学生t混合模型聚类的机械故障预警方法[J]. 北京化工大学学报(自然科学版) 2020(04)
    • [10].基于特征选择与随机森林混合模型的社区恶意评论检测研究[J]. 现代计算机 2020(19)
    • [11].基于正态混合模型的贝叶斯分类方法及其应用[J]. 应用数学学报 2020(04)
    • [12].基于深度混合模型评分推荐[J]. 南京航空航天大学学报 2019(05)
    • [13].基于可信计算的群内安全信息共享混合模型[J]. 上海交通大学学报 2014(07)
    • [14].基于抽样的正交多项式混合模型图像分割[J]. 小型微型计算机系统 2013(06)
    • [15].房地产电子商务交易中的“混合模型”[J]. 现代商业 2008(23)
    • [16].改进鲸鱼算法构建混合模型的建筑能耗预测[J]. 计算机测量与控制 2020(02)
    • [17].利用机器学习RFID混合模型的运维检修移动作业应用[J]. 现代电子技术 2020(09)
    • [18].混合模型下具有动态违约边界的债券定价[J]. 应用概率统计 2019(01)
    • [19].多元混合模型及模糊综合评判法在水源判别中的应用研究——以云南会泽铅锌矿为例[J]. 矿产勘查 2019(08)
    • [20].一种针对短文本的主题情感混合模型[J]. 中文信息学报 2017(01)
    • [21].基于t分布混合模型的抗差关联算法[J]. 电子与信息学报 2017(07)
    • [22].基于混合模型的个性化信息推荐系统的关键技术研究[J]. 信息与电脑(理论版) 2015(23)
    • [23].基于光谱混合模型的城市绿色空间格局分析——以兰州市为例[J]. 城市问题 2010(02)
    • [24].参数混合模型在长期生存者资料分析中的应用[J]. 中国卫生统计 2010(03)
    • [25].基于混合模型的数据中心空调系统虚拟制冷剂充注量传感器[J]. 制冷技术 2019(06)
    • [26].斜长石、辉石混合模型的电导率有限元数值计算研究[J]. 地球物理学报 2018(09)
    • [27].有向网络的混合模型新退火算法研究[J]. 中国科学技术大学学报 2018(06)
    • [28].基于修正矩阵的刚柔混合模型公差分析方法[J]. 组合机床与自动化加工技术 2017(07)
    • [29].增长混合模型:分析不同类别个体发展趋势[J]. 社会学研究 2014(04)
    • [30].遗传K-均值初始化的t混合模型医学图像聚类[J]. 计算机应用研究 2010(08)

    标签:;  ;  ;  ;  

    基于LSTM与多GARCH型混合模型的股价波动性预测的实证分析
    下载Doc文档

    猜你喜欢