本文關(guān)鍵詞：統(tǒng)計分析與預(yù)測系統(tǒng)研究：隨機交互作用金融波動系統(tǒng)

  更多相關(guān)文章： 定向滲流 股票價格模型 回程間隙 隨機時效神經(jīng)網(wǎng)絡(luò) 統(tǒng)計分析與預(yù)測

【摘要】：隨機交互作用滲流模型是統(tǒng)計物理粒子模型中的一種,本文對滲流模型中的定向滲流理論進行了詳細介紹和闡述,結(jié)合金融股票定價和隨機過程的理論知識,基于定向滲流理論構(gòu)造了新的金融價格波動模型,這是將統(tǒng)計物理模型應(yīng)用于金融領(lǐng)域中的一種新的嘗試。在模型構(gòu)造中,我們把滲流模型當中水流的傳播看作股票市場上投資者之間信息的傳播和相互影響,然后根據(jù)股票市場存在的“羊群效應(yīng)”,即投資者之間的信息傳遞是影響價格波動的根本原因這一假設(shè)進行價格波動過程的構(gòu)造,進而,我們運用Matlab語言編程和計算機模擬,由股票價格模型得到股票價格序列、收益率序列以及波動的回程間隙序列。最后我們建立了隨機時效性神經(jīng)網(wǎng)絡(luò)預(yù)測模型,用于預(yù)測價格模型的模擬股價和實際指數(shù)k日均線的走勢。 對股票價格波動行為的統(tǒng)計研究一直是金融領(lǐng)域研究和關(guān)注的重點。統(tǒng)計特性的研究主要基于高頻金融時間序列得到市場波動的一些統(tǒng)計特性。在本文中我們所重點討論的回程間隙序列(return intervals)是關(guān)注于股票價格波動之間的時間間隔的一種序列,回程間隙這一統(tǒng)計量在近年來備受關(guān)注,它對于股票價格波動周期的研究具有重大意義。 本文主要對基于定向滲流理論構(gòu)造的股價模型得到的模擬數(shù)據(jù)和實際市場指數(shù)的收益序列和回程間隙序列進行了研究,同時構(gòu)建了隨機時效神經(jīng)網(wǎng)絡(luò)預(yù)測模型,對股票價格的k日均線進行了預(yù)測研究。在回程間隙研究方面,不僅基于前人的研究對概率分布情況進行分析驗證,還增加了新的尺度分布函數(shù),把真實數(shù)據(jù)與模擬數(shù)據(jù)回程間隙的分布情況進行對比分析,充分驗證了所構(gòu)造的金融波動模型研究實際金融市場的可行性與合理性。本文還進一步對回程間隙的多重分形性質(zhì)進行分析與對比,另外,我們首次將可視圖的方法應(yīng)用到回程間隙序列到復雜網(wǎng)絡(luò)的轉(zhuǎn)化過程中,通過對網(wǎng)絡(luò)圖中相關(guān)統(tǒng)計量的研究進一步探索原始回程間隙序列的統(tǒng)計特性。此外,將隨機時效神經(jīng)網(wǎng)絡(luò)模型用于股票價格k日均線的預(yù)測分析更是我們的全新嘗試。
【關(guān)鍵詞】：定向滲流 股票價格模型 回程間隙 隨機時效神經(jīng)網(wǎng)絡(luò) 統(tǒng)計分析與預(yù)測
【學位授予單位】：北京交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F830.91;F224
【目錄】：

• 致謝5-6
• 中文摘要6-7
• ABSTRACT7-8
• 目錄8-10
• 第1章 緒論10-15
• 1.1 引言10-12
• 1.2 選題背景12-15
• 1.2.1 金融物理學概述12
• 1.2.2 股價波動回程間隙研究現(xiàn)狀12-13
• 1.2.3 股市預(yù)測研究發(fā)展現(xiàn)狀13-15
• 第2章 利用定向滲流理論構(gòu)造股價波動過程15-22
• 2.1 滲流理論15-17
• 2.2 價格過程與收益過程17-19
• 2.3 股票價格波動模型建立19-22
• 第3章 收益率序列波動統(tǒng)計特性分析22-28
• 3.1 數(shù)據(jù)模擬結(jié)果22-23
• 3.2 概率分布分析23-25
• 3.3 杠桿效應(yīng)分析25-28
• 第4章 回程間隙概念及其統(tǒng)計特性28-37
• 4.1 回程間隙相關(guān)定義與計算28-29
• 4.2 回程間隙分布的統(tǒng)計特性29-37
• 4.2.1 不同閾值下回程間隙的概率分布29-31
• 4.2.2 固定閾值下回程間隙的指數(shù)型縮放比例式概率分布31-37
• 第5章 回程間隙序列多重分形性質(zhì)研究37-44
• 5.1 分形理論及MFDFA方法37-40
• 5.2 數(shù)據(jù)模擬及分析結(jié)果40-44
• 第6章 基于復雜網(wǎng)絡(luò)的回程間隙序列相關(guān)特性研究44-50
• 6.1 可視圖方法及相關(guān)定義44-46
• 6.2 不同參數(shù)下的實驗結(jié)果分析46-50
• 第7章 隨機時效性Legendre神經(jīng)網(wǎng)絡(luò)模型對股價日均線的預(yù)測50-62
• 7.1 Legendre神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)50-51
• 7.2 隨機時效性Legendre神經(jīng)網(wǎng)絡(luò)預(yù)測模型的建立和訓練算法51-53
• 7.3 模型的預(yù)測及結(jié)果分析53-62
• 第8章 結(jié)論62-63
• 參考文獻63-69
• 作者簡歷及攻讀碩士學位期間取得e笱芯砍曬，
  
  本文編號：758071
  suoshi