互聯(lián)網(wǎng)金融近幾年成為業(yè)界和學(xué)術(shù)界討論的熱門話題。從國內(nèi)學(xué)術(shù)界開始關(guān)注互聯(lián)網(wǎng)金融領(lǐng)域不到三年的時間內(nèi),大部分研究都還只停留在定性層面,缺乏定量研究。本文從互聯(lián)網(wǎng)金融資金流預(yù)測的角度出發(fā),希望對國內(nèi)互聯(lián)網(wǎng)金融領(lǐng)域的研究起到補充作用。本文首先回顧了互聯(lián)網(wǎng)金融領(lǐng)域目前國內(nèi)外主要的研究成果和應(yīng)用。然后詳細介紹了STL分解法的理論原理和算法實現(xiàn),并歸納梳理了時間序列預(yù)測的一些經(jīng)典方法。之后本文重點介紹了STL分解和ARIMA、HW、Theta的組合預(yù)測模型。在最后的實證研究中同時用三種經(jīng)典預(yù)測方法和組合方法對“余額寶”日申購額未來一個月的數(shù)據(jù)進行預(yù)測,并將不同模型的預(yù)測效果相比較,得出以下幾項重要結(jié)論:1)組合預(yù)測模型先用STL分解將序列的各個成分分離,再針對各個成分選擇最合適的預(yù)測模型,更容易了解數(shù)據(jù)的結(jié)構(gòu)特征,使整個預(yù)測過程更容易解釋且實用性強。2)組合模型將殘差成分融入整個預(yù)測過程,提高了信息利用率,最大程度上減少了模型擬合過程中的信息損失。3)由于組合模型的思想是將各個成分表現(xiàn)優(yōu)秀的預(yù)測模型組合在一起,因此組合模型在短期預(yù)測方面不僅表現(xiàn)良好,而且穩(wěn)定。4)組合模型在長期預(yù)測上表現(xiàn)最好。長期...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀與存在的問題
    1.3 本文研究內(nèi)容及研究方法
第二章 STL分解法
    2.1 時間序列成分
    2.2 時間序列分解方法綜述
    2.3 STL分解法
        2.3.1 STL分解法的定義
        2.3.2 STL分解法參數(shù)確定
        2.3.3 計算方法
        2.3.4 STL分解法的應(yīng)用
    2.4 本章小結(jié)
第三章 時間序列模型介紹
    3.1 時間序列的基本概念
        3.1.1 平穩(wěn)性及平穩(wěn)性檢驗
        3.1.2 自相關(guān)系數(shù)和偏自相關(guān)系數(shù)
        3.1.3 白噪聲及白噪聲檢驗
    3.2 非平穩(wěn)季節(jié)ARIMA模型
    3.3 Theta模型
    3.4 Holt-Winters季節(jié)模型
第四章 STL分解和ARIMA、HW、Theta的組合預(yù)測模型
    4.1 組合模型原理簡介
    4.2 STL分解和ARIMA、HW、Theta的組合預(yù)測模型介紹
        4.2.1 成分分解
        4.2.2 各分解成分的預(yù)測
        4.2.3 殘差成分的外推
        4.2.4 預(yù)測方式
    4.3 本章小結(jié)
第五章 “余額寶”資金流入預(yù)測實證分析
    5.1 研究背景及數(shù)據(jù)介紹
    5.2 數(shù)據(jù)準(zhǔn)備
    5.3 非平穩(wěn)季節(jié)ARIMA模型建模過程及結(jié)果分析
    5.4 Theta模型擬合過程及結(jié)果分析
    5.5 Holt-Winters季節(jié)模型建模過程及結(jié)果分析
    5.6 組合預(yù)測模型的建模過程及預(yù)測結(jié)果對比分析
        5.6.1 STL分解結(jié)果
        5.6.2 組合預(yù)測模型的建模過程及預(yù)測結(jié)果
        5.6.3 各種預(yù)測方法對比分析
    5.7 本章小結(jié)
第六章 論文總結(jié)與展望
    6.1 本文工作總結(jié)及研究結(jié)論
    6.2 研究展望
參考文獻
附錄1
致謝



本文編號：3920166