基于隨機變異優(yōu)化選擇規(guī)則的人工神經網絡在金融數(shù)據(jù)預測方面的應用.pdf

1、上個世紀全球金融市場最重要變革來自于金融衍生品的創(chuàng)新和繁榮。但隨后頻繁而劇烈的金融危機卻使得人們對基于有效市場假說的傳統(tǒng)金融理論開始進行反思。隨著行為經濟學和經濟物理學等領域的開創(chuàng)性研究,人們發(fā)現(xiàn)了經濟系統(tǒng)明顯違背傳統(tǒng)理論的假設,經濟代理人并非全同的理性而具有異質性和非理性,市場不能自動演化到均衡狀態(tài)而具有長程時間和空間關聯(lián),在特定的條件下具有自組織臨界性。因此,基于復雜非線性系統(tǒng)的統(tǒng)計物理和動力學理論正被廣泛用于經濟金融領域研究。人工

2、神經網絡是一個典型的多體非線性動力學系統(tǒng),通過吸引子來學習和記憶系統(tǒng)特征信息,正被廣泛用于金融時間序列的預測。
　　 本文利用“蒙特卡洛隨機變異-優(yōu)化選擇”的設計規(guī)則和對應的設計理念,將多層前饋人工神經網絡應用于金融工程研究的兩個方面:傳統(tǒng)的匯率數(shù)據(jù)預測和定向增發(fā)股的投資組合新產品設計。其中匯率數(shù)據(jù)預測結果相比較于最小二乘法、傳統(tǒng)前饋人工神經網絡及支持向量機方法具有相當?shù)膬?yōu)勢;定向增發(fā)股的組合策略精選出的投資組合指數(shù)走勢在三種加

3、權方式下均顯著強于滬深300指數(shù)和股票池股票走勢,體現(xiàn)了該投資組合策略和模型的有效性。
　　 本文主要包含四個部分:第一部分介紹傳統(tǒng)金融市場理論的發(fā)展及所遇到的瓶頸;第二部分介紹人工神經網絡的基礎知識和隨機變異優(yōu)化選擇規(guī)則的設計原理;第三部分將基于隨機變異優(yōu)化選擇規(guī)則的人工神經網絡方法運用于匯率數(shù)據(jù)的預測,詳細說明了此方法是如何在金融時間序列預測中實現(xiàn)最小化系統(tǒng)風險的目標;第四部分通過對歷史數(shù)據(jù)的統(tǒng)計分析并利用人工神經網絡提出從