基于bp神经网络的基金仓位预测实证分析

《基于bp神经网络的基金仓位预测实证分析》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、学位论文版权使用授权书本人完全了解对外经济贸易大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存论文；学校有权提供目录检索以及提供本学位论文全文或部分的阅览服务；学校有权按照有关规定向国家有关部门或者机构送交论文：学校可以采用影印、缩印或者其它方式合理使用学位论文，或将学位论文的内容编入相关数据库供检索；保密的学位论文在解密后遵守此规定。学位论文作者签名：鹊岛碜伽f弓年孓月≥。日导师签名：．’矗。、nQ≥口侈年}月弓移日]h薯∥pj弘I口1摘要基

2、金行业作为我国几年来的新型金融理财行业，发展势头强劲，随着基金投资者队伍的迅速壮大，基金市场中对投资风险的预测和控制收到人们的广泛关注。基金仓位代表了市场信心，反映了机构投资者对市场的预期，其增减仓动作一直以来都受到投资者的高度关注，基金仓位的高低可以作为投资者判断后市走向的指标以规避风险。本文首先综述研究了基金仓位预测的多种方法，并着重介绍了神经网络方法；通过几代估算模型优劣势比较分析，确定了基于数据挖掘的BP神经网络作为基金仓位预测模型建立的基本方法。之后收集华夏基金在年报公布的仓位及相关数据，从基金仓位概念及前人研究出发，找出影响基金仓位的因素并利用数据挖掘技术分析选择出

3、相关性最优的变量。根据这些基金仓位数据的特征，再探讨了BP神经网络的模型与结构、BP算法的权值、学习规则和阈值后，选用了的多输入单输出、单隐含层结构，采用学习率可变的动量BP算法及相应的训练函数，并通过多组数据的对比尝试，合理优化了隐含层节点和初始权值，设计出最优基金仓位预测模型。本论文深入研究了BP神经网络在MATLAB中的设计和实现，包括创建初始神经网络，合理初始化、进行训练和模拟；并利用MATLAB函数进行编程，实现了所设计的BP神经网络。针对所建预测模型，本论文对华夏基金的3只基金进行了实证分析，证明所采用的研究方法和所设立的模型是实用且有效的。它不仅简化了网络结构，还

4、提高了预测精度，具有较好的预测能力和泛化推广能力。在评估所构建的基于BP神经网络的基金仓位预测模型的有效性和普适性的同时，在文章结尾提出不足及改进建议。本论文在前人研究成果的基础上，针对现实复杂经济系统的客观需要，提出了本人自己的观点和想法，并把它们付诸实践，希望可以对人工神经网络技术用于实际经济预测做出一点贡献。关键词：基金仓位，神经网络，投资风格AbstractAsanewtypeoffinancialmanagementindustryinChina，fundindustryhavethestrongmomentumofdevelopmentwithinvestorsra

5、pidlyexpanding，SOthatriskforecastandcontrolinfundmarketattractsinvestors’aRention．FundpositioniSareflectionofthemarketconfidence，whoseincreaseordecreaseactionhasalwaysbeendrawnattentions，andit’Sonbehalfofinstitutionalinvestors’forecasttomarket，andfundpositionCanbeusedastheindextojudgethetend

6、encytoavoidrisk．T11iSPaperfirstlyreviewsthevariousmethodsoffundpositionprediction，andmainlyrecommendstheneuralnetworkmethod；throughcomparativeanalysistheadvantagesanddisadvantagesofestimatemodelgenerations，BPneuralnetworkbasedondataminingisdeterminedasbasicmethodoffundpositionpredictionmodel

7、．Aftercollectingrelateddatawhichreleasedannualreport，thePaperstartsfromtheconceptsoffundpositionandpreviousstudies，andthenfindsthefactorsaffectingfundpositionbyusingcorrelationanalysisofthedataminingtechnologytodecidetheoptimalvariables．Accordingto