基于最小二乘支持向量机的余额宝收益率短期预测研究.docxVIP

经典专科、本科、硕博、研究生、期刊毕业论文 仅供参考 精心整理 仅供参考 勿用作商业用途 苏州大学本科生毕业设计（论文） 目 录 TOC \o 1-3 \h \z \u 摘要 1 第1章 前言 4 第1．1节 研究的背景与意义 4 第1．2节 国内外研究现状分析 5 第1．2．1节 余额宝宏观研究现状 5 第1．2．2节 余额宝微观研究现状 5 第1．2．3节 LS-SVM在金融时间序列预测领域的研究现状 6 第1．2．4节 EEMD分解的研究现状 6 第1．3节 本文研究框架 7 第2章 模型介绍 8 第2．1节 LS-SVM的基本原理 8 第2．2节 基于LS-SVM的时间序列预测方法 10 第2．3节 EEMD的基本原理 11 第2．4节 EEMD的基本原理 12 第3章 实证分析 13 第3．1节 数据的来源及处理 13 第3．2节 模型的建立 14 第3．3节 模型对比及结果分析 16 第4章 结论与展望 18 第4．1节 结论分析 18 第4．2节 研究展望 18 参考文献 19 致谢 22  摘要 近年来，互联网业与金融界的联手及其快速发展极大地转变了当代人的生活方式，开创了一个崭新的时代。而这其中，由蚂蚁金服携手天弘基金于2013年共同推出的互联网理财产品——余额宝无疑成为了最耀眼的一颗新星。余额宝借助互联网这一庞大的势力以其高收益、低门槛、高安全性等优势引来了社会各界的广泛关注以及强烈反响。截至2017年第一季度末，余额宝的公募规模已突破万亿元，超越了一直以来驻守第一位的美国政府货币基金摩根集团（JPMorgan），跃升为全球最大的货币基金。余额宝为传统金融领域的发展注入新鲜血液的同时，以它为代表的新兴理财产品所可能带来的流动性以及价格波动等风险也成为了社会的热点问题之一。因此，余额宝收益率的预测研究具有重大的时代意义，它是中国金融行业在互联网时代有序稳健发展的必要条件。 本文借助最小二乘支持向量机模型（LS-SVM）对余额宝的未来万份收益进行短期预测。在此基础上，本文还提出了一种基于集成经验模态分解的最小二乘支持向量机（EEMD-LSSVM）预测方法。该模型首先运用了集成经验模态分解（EEMD）将余额宝万份收益时间序列分解成若干个具有不同特征尺度的本征模函数（IMF）以及剩余分量。其次，利用快速傅里叶变换（FFT）对每个分量进行平均周期的求解，并将各分量重组成高频序列、低频序列和趋势序列。再针对这三个重组后的序列分别构建LS-SVM模型进行预测，将三组预测的结果进行加总从而得到EEMD-LSSVM的预测值。最后，将其与使用单一LS-SVM模型的余额宝收益预测值进行比较分析。结果表明，采用LS-SVM模型以及EEMD-LSSVM模型均能较好地反映其动态变化。从精确度角度来看，EEMD-LSSVM模型在部分月份的预测精度要明显高于LS-SVM模型；从复杂性角度来看，直接采用LS-SVM 更为高效。由此可见，最小二乘支持向量机对于余额宝收益率的回归效果是十分可观的，在金融时间序列预测领域具有良好的应用前景。余额宝收益率的短期预测研究对于余额宝自身、广大的消费者投资者以及商业银行均具有重要的参考价值。 关键词：余额宝；收益率；LS-SVM；EEMD-LSSVM；短期预测  Abstract In recent years, the hand-in-hand of the Internet and the financial world and its rapid development have transformed the way many people consume and manage their finances, creating a new era. Among these, the Internet wealth management product jointly launched by Ant Financial and Tianhong Fund in 2013, Yu Ebao, has undoubtedly become the brightest star. With the help of the huge power of the Internet, Yu Ebao is showing itself to the world with its advantages of high yield, low threshold, and high security, which has triggered widespread c