基于bp神经网络的股指收益率预测研究——以高频数据为样本yjr7o6gh.docVIP

基于BP神经网络的股指收益率预测研究——以高频数据为样本 第4期 (总第115期) 2009年4月 统计教育 StatisticalThinktank No.4 (SeriesNo.115) Apr2009 基于BP神经网络的股指收益率预测研究 —— 以高频数据为样本 叶银龙黄晓莉刘干 摘要:高频金融数据和金融资产收益率是金融计量学的一个全新的研究领域.目前,国内学者利用年,月,日等 低频数据对股票市场的收益率进行了很多的研究,但是以日内高频数据为基础的研究还不多见.如何较准确地预 测基于高频数据的股票收益率是进一步深入研究金融市场的基础.论文采用数据挖掘中的BP神经网络对沪深 300指数高频数据中的日内收益率进行建模与预测.结果表明:神经网络模型对股票高频数据的日内收益率具有 很强的预测能力 关键词:高频金融数据;收益率;神经网络;预测 ForecastofStockMarketReturnsBasedonBPNeuralNetwork —— CaseoftheHigh-FrequencyData YeYinlong,HuangXiaoli,LiuGan Abstract:Thestudyofhigh-~equencyfinancialdataandstockmarketreturnsisabrandnewfieldinfinancial econometrics,however,currentstudiesonfinancialreturnsusuallyuselow-frequencydataratherthanhigh-frequency data.Howtobettermeasurestockmarketreturnsbasedonhigh-frequencydataisthebasisoffurtherstudyinthe financialmarket.ThispaperattemptstobuildupaBPneuralnetbyusinghigh-frequencydataoftheShanghaiand Shenzhen300Indextoforecastthereturns.Theresultsshowthatneuralnetiscapableofmeasuringthereturnsof stockmarketbasedonhigh—frequencydata. KeyWords:highfrequencyfinancialdata;returns;neuralnetwork;forecast 1引言 股票市场的价格走势是极为复杂且难以预测的, 这是因为市场参与者难以准确把握宏观经济形势,金 融政策,公司财务状况,国际环境以及投资者心理承 受能力等因素的变化及其对市场的影响方式和作用. 于是,如何较为准确地预测股票收益率引起许多研究 者和市场分析人员的极大兴趣,他们都试图建立关于 股票收益率适当的计量经济模型. 以往很多文献都将股票收益率作为线性时间序 列进行建模与预测,具体模型包括自回归滑动平均 (ARMA)模型,季节模型及带时间序列误差的回归模 型,它们试图用简单模型来刻画股票收益率与时间所 拥有的信息之间的线性关系.这些模型的预测有一定 的精度,但是模型仅仅局限于线性问题分析,并不能 很好地解决股票市场中的非线性问题.随着研究的深 入,一些非线性模型被很好地运用到股票市场时间序 列上. 此外,不少研究表明,门限自回归模型(TAR)及其 扩展模型在预测股票收益率时也有较强的能力.近年 来,许多学者在尝试着用核回归,局部最小二乘估计及 神经网络等非参数方法对股票收益率进行预测.【q其 作者简介:叶银龙,1983年生,浙江龙泉人,杭州电子科技大学财经学院统计学硕士研究生,研究方向:金融数据挖掘,神经网络; 黄晓莉,1962年生,浙江台州人,杭州电子科技大学财经学院副教授,研究方向:数理统计与经济分析;刘干,1967年生,安徽安庆人, 杭州电子科技大学财经学院副教授,研究方向:计量经济与统计建模. 第4期叶银龙等:基于BP神经网络的股指收益率预测研究39 中,神经网络是目前研究中较为常用的方法. 股票市场本质上属于典型的非线性动力学系统, 而神经网络模型可以很好地解决这一类非线性问题. 与一般的统计模型相比较,神经网络可以不考虑传统 统计模型中较多的研究条件与假设,可利用学习训练 或设计网络结构的方式处理非线性问题.目前,神经 网络模型被广泛地运用到关于股票市场的研究中. AtiyaAF,ChenJF利用股票市场中常用的技术指标 或公司金融比率作为变量,通过神经网络学习并搜寻 技术指标中可能存在的套利关系,以解决投资者在使 用技术指针上的复杂性及消除可能的冲突.嘲嘞aa— soumi采用不同的预测期间,