本文選題：量化投資 + 動態(tài)神經(jīng)網(wǎng)絡　； 參考：《復旦大學》2014年碩士論文

【摘要】：隨著金融學理論和計算機技術的發(fā)展,基于數(shù)據(jù)和規(guī)則的量化投資策略在中國已逐漸興起,量化模型成為了預測市場和指導投資的有力工具。然而證券市場是一個復雜的非線性動力系統(tǒng),利用傳統(tǒng)的時間序列預測技術存在很大的局限性,而近十幾年發(fā)展起來的神經(jīng)網(wǎng)絡預測理論在對非線性系統(tǒng)的預測和建模中展現(xiàn)出了獨有的優(yōu)勢。本文引入了基于時間序列分析的NARX動態(tài)神經(jīng)網(wǎng)絡模型并研究將其應用于中國股票指數(shù)的時間序列預測,并將其同傳統(tǒng)的時間序列預測模型作比較。通過對中國股市滬深300指數(shù)數(shù)據(jù)所做的實證研究表明,動態(tài)神經(jīng)網(wǎng)絡模型用于預測中國股市指數(shù)序列結果的準確性優(yōu)于ARIMA-GARCH模型和靜態(tài)BP神經(jīng)網(wǎng)絡模型。在引入的NARX動態(tài)神經(jīng)網(wǎng)絡預測模型的基礎上,創(chuàng)造性地將其應用于股指序列的模式分類來判斷股價指數(shù)是否處于階段的“頂部”或“底部”,從而構建了基于動態(tài)神經(jīng)網(wǎng)絡的量化擇時模型。實證結果表明,基于動態(tài)神經(jīng)網(wǎng)絡的模式分類準確性優(yōu)于多元統(tǒng)計學的判別分析模型和基于普通靜態(tài)神經(jīng)網(wǎng)絡的模式識別模型。在構建的該量化擇時模型的基礎上,進一步以此模擬了基于動態(tài)神經(jīng)網(wǎng)絡的積極型投資組合。通過計算和比較一系列組合投資業(yè)績指標,結果表明各個業(yè)績衡量指標結果均顯示基于動態(tài)神經(jīng)網(wǎng)絡模型的投資組合優(yōu)于市場指數(shù)組合,從而能成功將其應用于中國證券市場的量化投資。最后,本文通過研究行為金融的市場異�，F(xiàn)象與動態(tài)神經(jīng)網(wǎng)絡模型有效性的相關關系,對其做統(tǒng)計檢驗,給出了動態(tài)神經(jīng)網(wǎng)絡模型有效預測能力來源和成因的解釋。
[Abstract]:With the development of finance theory and computer technology, quantitative investment strategy based on data and rules has been rising gradually in China, and quantitative model has become a powerful tool to predict market and guide investment. However, the stock market is a complex nonlinear dynamic system, and the use of traditional time series prediction technology has great limitations. The neural network prediction theory developed in recent years has shown its unique advantages in the prediction and modeling of nonlinear systems. In this paper, the NARX dynamic neural network model based on time series analysis is introduced and applied to the time series prediction of Chinese stock index, and it is compared with the traditional time series prediction model. An empirical study on the CSI 300 index data of Chinese stock market shows that the dynamic neural network model is more accurate than the ARIMA-GARCH model and the static BP neural network model in predicting the results of the index series of the Chinese stock market. On the basis of the NARX dynamic neural network prediction model introduced, it is creatively applied to the model classification of stock index series to judge whether the stock price index is at the top or bottom of the stage. A quantitative timing model based on dynamic neural network is constructed. The empirical results show that the accuracy of pattern classification based on dynamic neural network is better than that of discriminant analysis model based on multivariate statistics and pattern recognition model based on general static neural network. On the basis of the quantitative timing model, the active portfolio based on dynamic neural network is simulated. By calculating and comparing a series of portfolio performance indicators, the results show that the portfolio based on dynamic neural network model is superior to the market index portfolio. Thus it can be successfully applied to the quantitative investment in China's securities market. Finally, by studying the correlation between the market anomaly of behavioral finance and the validity of dynamic neural network model, this paper makes a statistical test on it, and gives an explanation of the source and cause of effective prediction ability of dynamic neural network model.
【學位授予單位】：復旦大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP183;F832.51

【相似文獻】

相關期刊論文 前10條

1 王崇;趙金樓;;基于動態(tài)神經(jīng)網(wǎng)絡的消費者購買行為特征的挖掘[J];情報雜志;2011年11期

2 劉學廣,王登峰,常振臣,張建南,薛殿倫;動態(tài)神經(jīng)網(wǎng)絡方法在車內(nèi)噪聲參考信號拾取上的應用[J];河北工業(yè)科技;2004年03期

3 韓衛(wèi)華,寧佐貴;時間序列預測的動態(tài)神經(jīng)網(wǎng)絡方法[J];微機發(fā)展;2004年09期

4 田松柏;張耀輝;郭金茂;陳悅峰;;基于動態(tài)神經(jīng)網(wǎng)絡的裝備技術狀態(tài)預測模型[J];裝甲兵工程學院學報;2007年01期

5 房毅憲;邢延健;李勝正;;時延動態(tài)神經(jīng)網(wǎng)絡的穩(wěn)定性分析[J];山東輕工業(yè)學院學報(自然科學版);2010年01期

6 張敏;申曉寧;殷利平;;采用動態(tài)神經(jīng)網(wǎng)絡的多模型自適應重構控制方法[J];計算機測量與控制;2012年05期

7 傅鸝，，裴小兵;一種指數(shù)型動態(tài)神經(jīng)網(wǎng)絡的定性分析[J];重慶大學學報(自然科學版);1996年06期

8 黃金泉,孫健國;非線性系統(tǒng)的動態(tài)神經(jīng)網(wǎng)絡自適應辨識[J];南京航空航天大學學報;1999年03期

9 孫富春,孫增圻,慕春棣;采樣非線性系統(tǒng)的動態(tài)神經(jīng)網(wǎng)絡穩(wěn)定自適應控制[J];自動化學報;2000年06期

10 諸勇,錢積新;基于魯棒穩(wěn)定高階動態(tài)神經(jīng)網(wǎng)絡的非線性系統(tǒng)的辨識[J];浙江大學學報(工學版);2001年01期

相關會議論文 前5條

1 黃西士;吳滄浦;;一種用于跟蹤控制的動態(tài)神經(jīng)網(wǎng)絡[A];1993中國控制與決策學術年會論文集[C];1993年

2 諸勇;錢積新;;基于魯棒穩(wěn)定高階動態(tài)神經(jīng)網(wǎng)絡的非線性系統(tǒng)的辨識[A];1998年中國控制會議論文集[C];1998年

3 項n\伍;;自適應動態(tài)神經(jīng)網(wǎng)絡控制感應電機系統(tǒng)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

4 郝悍勇;張宇;孫增圻;;一種基于UIO和動態(tài)神經(jīng)網(wǎng)絡的復合故障診斷方法[A];2005年中國智能自動化會議論文集[C];2005年

5 劉耀年;趙明宇;王震宇;;基于動態(tài)神經(jīng)網(wǎng)絡的電力系統(tǒng)短期負荷在線預測研究[A];中國高等學校電力系統(tǒng)及其自動化專業(yè)第二十四屆學術年會論文集（中冊）[C];2008年

相關博士學位論文 前2條

1 麥歡歡;非線性的耦合系統(tǒng)一致性問題研究[D];重慶大學;2012年

2 范劍超;微粒群優(yōu)化算法與動態(tài)神經(jīng)網(wǎng)絡建模預測研究[D];大連理工大學;2012年

相關碩士學位論文 前9條

1 譚曉惠;動態(tài)神經(jīng)網(wǎng)絡的穩(wěn)定性研究及應用[D];西南交通大學;2002年

2 呂琪;基于動態(tài)神經(jīng)網(wǎng)絡的交通事件檢測算法[D];浙江大學;2003年

3 王穎;基于動態(tài)神經(jīng)網(wǎng)絡的系統(tǒng)建模理論及優(yōu)化技術研究[D];東北石油大學;2011年

4 趙晨;動態(tài)神經(jīng)網(wǎng)絡在量化投資預測中的應用[D];復旦大學;2014年

5 張明;基于改進動態(tài)神經(jīng)網(wǎng)絡的股票預測模型的研究[D];內(nèi)蒙古大學;2014年

6 鄭偉范;動態(tài)神經(jīng)網(wǎng)絡的定性分析[D];西南交通大學;2004年

7 尹嵩;基于動態(tài)神經(jīng)網(wǎng)絡的支持向量機的FPGA實現(xiàn)[D];西安理工大學;2009年

8 田玉松;動態(tài)神經(jīng)網(wǎng)絡與分數(shù)階Fourier變換的研究及其應用[D];大連理工大學;2006年

9 楊航;電流型開關電源的動態(tài)神經(jīng)網(wǎng)絡逆控制研究[D];華東理工大學;2014年

本文編號：1895348