检索结果-南通市图书馆

神经网络分位数回归模型预测能力研究——来自股市与汇市的证据

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

神经网络分位数回归模型预测能力研究——来自股市与汇市的证据

作者：陈士俊合肥工业大学

学位级别：硕士

神经网络分位数回归模型(QRNN)是神经网络与分位数回归的结合,充分发挥了神经网络与分位数回归的优势。一是通过神经网络,可以充分模拟金融系统中的非线性结构;二是通过分位数回归,能够完整揭示响应变量的条件分布特征。因此,神经网络... 详细信息

神经网络分位数回归模型(QRNN)是神经网络与分位数回归的结合,充分发挥了神经网络与分位数回归的优势。一是通过神经网络,可以充分模拟金融系统中的非线性结构;二是通过分位数回归,能够完整揭示响应变量的条件分布特征。因此,神经网络分位数回归模型,全面提升了分位数回归的功能,往往能够得到较为理想的分析效果。本文将神经网络分位数回归模型应用于金融系统预测研究,一是股票市场VaR风险测度,二是人民币汇率的条件密度预测。在基于神经网络分位数回归模型的VaR风险测度方面,将其与极值理论的POT方法相结合,解决了极端VaR风险测度问题。由于金融时间序列极端尾部数据的稀疏性,一方面非线性分位数回归存在非线性函数形式选择困难,另一方面非线性分位数回归的极端VaR风险测度精度一直不高。为此,提出了使用神经网络分位数回归模拟金融系统的非线性结构,并使用极值理论的POT方法弥补非线性分位数回归对极端尾部数据信息处理能力的不足,得到了一个新的金融风险测度方法：QRNN+POT,给出了其基本算法,并将其应用于极端VaR风险测度。选取了世界范围内代表性国家股票市场为研究对象,从样本内与样本外两个方面实证比较了QRNN+POT方法与已有的非线性分位数回归模型在VaR风险测度中的表现。在基于神经网络分位数回归模型的人民币汇率预测方面,给出了其条件概率密度预测方法。将人民币汇率的实际值作为输出变量,其影响因素作为输入变量,建立神经网络分位数回归模型,估计人民币汇率的条件分位数;进而使用概率密度预测方法,实现对人民币汇率完整概率分布的预测。选取人民币兑美元汇率为研究对象,建立了神经网络分位数回归模型并进行概率密度预测,将其预测结果同线性分位数回归、BP神经网络、线性均值回归等方法进行了实证比较。研究结果表明：第一,直接使用非线性分位数回归模型能够准确地得到正常VaR风险测度,而极端VaR风险测度效果却差强人意,使用QRNN+POT方法,极大地改善了极端VaR风险测度效果,能够有效地描述金融危机期间出现的极端风险;第二,神经网络分位数回归模型显著提高了人民币汇率预测准确程度,神经网络分位数回归模型的概率密度预测结果,能够提供人民币汇率未来走势更为丰富的信息,便于科学决策。

关键词：神经网络分位数回归 QRNN+POT方法概率密度预测极端VaR 人民币汇率

基于神经网络分位数回归的多期CVaR风险测度

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

数理统计与管理 2017年第4期36卷 715-730页

作者：许启发徐金菊蒋翠侠合肥工业大学管理学院安徽合肥230009 合肥工业大学过程优化与智能决策教育部重点实验室安徽合肥230009

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似... 详细信息

与VaR金融风险测度相比,CVaR具有更好的数理性质,其计算方法成为关注的焦点。相对于单期CVaR而言,多期CVaR风险测度具有较强的非线性特征,其建模过程更加复杂。在神经网络分位数回归基础上,建立了一种新的多期CVaR风险测度方法;基于似然比检验,建立了多期CVaR风险测度返回测试评价准则。将该新方法应用于沪深300指数的多期CVaR风险测度,并将其与传统的测度方法进行了对比,返回测试结果表明:第一,该新方法具有较强的稳健性,各期平均绝对误差大小基本不变,特别适合于多期CVaR风险测度;第二,基于神经网络分位数回归的多期CVaR风险测度效果优于传统测度方法,表现为似然比检验拒绝次数最少和平均绝对误差最小。

关键词：多期CVaR 分位数回归神经网络分位数回归返回测试

在线全文

学校读者我要写书评

暂无评论

基于神经网络分位数回归的金融风险预警

统计与决策 2020年第14期36卷 137-140页

作者：曾昭法游悦湖南大学金融与统计学院长沙410000

文章通过神经网络分位回归的金融风险预警研究,对2018年及2019年的金融稳定状态进行预警,选取2010—2017年24个指标季度数据建立初始金融预警指标体系,在此基础上运用聚类分析以及非参数统计方法进行指标筛选,最终保留14个金融预警指标... 详细信息

文章通过神经网络分位回归的金融风险预警研究,对2018年及2019年的金融稳定状态进行预警,选取2010—2017年24个指标季度数据建立初始金融预警指标体系,在此基础上运用聚类分析以及非参数统计方法进行指标筛选,最终保留14个金融预警指标。由k均值聚类和主成分分析方法将金融风险分为四种风险状态,继而基于神经网络分位数回归模型,建立了我国金融预警模型,对金融系统运行情况进行预测。

关键词：神经网络分位数回归金融风险预警聚类分析

基于神经网络分位数回归的VaR金融风险测度

在线全文

学校读者我要写书评

暂无评论

合肥工业大学学报（自然科学版） 2014年第12期37卷 1518-1522页

作者：许启发徐金菊蒋翠侠刘晓华合肥工业大学管理学院安徽合肥230009 合肥工业大学过程优化与智能决策教育部重点实验室安徽合肥230009 山东工商学院统计学院山东烟台264005

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度... 详细信息

基于神经网络分位数回归给出VaR风险测度方法,一方面,通过其分位数回归功能可以揭示响应变量整个条件分布特征;另一方面,通过其神经网络结构,可以模拟经济系统中的非线性结构,从而很好地解决了VaR风险测度中遇到的2个难题:尾部风险测度与非线性关联模式。文章选取上证综指作为研究对象,将其与传统的VaR金融风险测度方法进行了实证比较,实证结果表明,基于神经网络分位数回归的VaR风险测度方法,在样本内与样本外都取得了较好的实证效果。

关键词：金融风险风险价值(VaR) 分位数回归神经网络分位数回归

在线全文

学校读者我要写书评

暂无评论

基于神经网络分位数回归的金融风险预警研究

基于神经网络分位数回归的金融风险预警研究

作者：游悦湖南大学

学位级别：硕士

近年来金融乱象频发,金融风险是国家和社会关注的重点问题,构建金融预警模型对防范金融风险意义重大,本文以国内外相关研究文献为基础对我国金融风险预警进行了深度研究。理论方面,总结国内外文献中有关金融风险预警的理论方法和研究成... 详细信息

近年来金融乱象频发,金融风险是国家和社会关注的重点问题,构建金融预警模型对防范金融风险意义重大,本文以国内外相关研究文献为基础对我国金融风险预警进行了深度研究。理论方面,总结国内外文献中有关金融风险预警的理论方法和研究成果,比较分析了国内外现有的主流金融风险预警模型及其优缺点。基于理论采用创新方法对我国金融风险进行研究:运用神经网络分位数回归算法以及两种机器学习算法分别对2018年及2019年前三个季度的金融稳定状态进行预测,通过理论与实践相结合的方法研究我国金融风险预警。本文选取了2010年至2017年24个指标季度数据建立初始金融预警指标体系,在此基础上运用聚类分析以及非参数统计方法中的秩和rank-sum检验和Kruskal-Wallis单向评秩方差分析进行指标筛选,最终保留14个金融预警指标。由k均值聚类和主成分分析方法将金融风险分为安全、基本安全、警惕、危险四种风险状态,继而基于神经网络分位数回归模型、随机森林算法建模、逻辑回归算法建模分别建立了我国金融预警模型对金融系统的运行情况进行预测。预测结果表面神经网络分位数模型相比于其他模型准确性更高,能对我国金融环境的稳定状态做出更合理的解释,具体结果显示出2018年第三季度和2019年第一季度金融风险均处于高度警惕状态,2019年第二季度和第三季度金融风险处于危险边缘。基于逻辑回归算法得到2018年和2019年我国金融稳定状态均不安全,需引起重视。本文创新性地采用了具有前瞻性和时效性的指标体系,将互联网金融等领域的统计指标纳入本文指标体系,应用神经网络深度学习算法与分位数回归相结合来预测风险,并通过两种热门前沿的机器学习算法建模对比来验证神经网络分位数回归算法的科学性和准确性。

关键词：金融风险预警神经网络分位数回归机器学习

基于神经网络分位数回归的人民币汇率概率密度预测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

阜阳师范大学学报（自然科学版） 2021年第4期38卷 95-101页

作者：李艳萍赵冬陈士俊安徽农业大学经济技术学院安徽合肥230036 淮北职业技术学院基础部安徽淮北235000 招商银行合肥分行安徽合肥230031

中国执行以外汇市场供求为基础的有管理浮动汇率制度,人民币汇率形成机制较为复杂,其影响因素可能存在非线性效应。为此,将人民币汇率作为输出变量,其影响因素作为输入变量,考虑从输入到输出的非线性效应,构建神经网络分位数回归模型((q... 详细信息

中国执行以外汇市场供求为基础的有管理浮动汇率制度,人民币汇率形成机制较为复杂,其影响因素可能存在非线性效应。为此,将人民币汇率作为输出变量,其影响因素作为输入变量,考虑从输入到输出的非线性效应,构建神经网络分位数回归模型((quantile regression neural network,QRNN),有助于理解人民币汇率决定机制。选取人民币兑美元汇率为研究对象,建立了神经网络分位数回归模型并进行概率密度预测,将其预测效果同线性分位数回归、BP神经网络、线性均值回归等方法进行比较,实证研究结果表明:第一,QRNN模型通过神经网络的非线性处理能力,显著提高了预测准确程度;第二,QRNN模型通过分位数回归得到的概率密度预测结果,能够预测人民币汇率完整条件分布信息,便于科学决策。

关键词：人民币汇率神经网络分位数回归神经网络分位数回归概率密度预测

在线全文

学校读者我要写书评

暂无评论

结构地震需求QRNN重要性分析

应用基础与工程科学学报 2020年第4期28卷 953-965页

作者：王秀振钱永久邵长江宋帅宁夏大学土木与水利工程学院宁夏银川750021 西南交通大学土木工程学院四川成都610031 太原理工大学建筑与土木工程学院山西太原030024

为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用... 详细信息

为研究型钢混凝土框架结构地震需求在其分布范围内变化时,随机参数对其影响情况,将神经网络分位数回归应用于重要性分析中.考虑了8个随机参数的影响,并根据它们各自的概率密度函数进行抽样,利用有限元软件OpenSEES在多条地震动记录作用下进行动力非线性时程分析,得到了4种地震需求,然后分析得到神经网络分位数回归重要性测度指标,并将结果与Monte-Carlo数值模拟法进行了对比.结果表明:在不同条件分位数下,各个输入随机参数对应的重要性测度指标呈现不同的变化趋势;神经网络分位数回归方法在样本数远远少于Monte-Carlo数值模拟法的情况下,得到的输入随机参数的重要性测度指标基本一致,因此,神经网络分位数回归重要性分析方法是高效准确的,对大型复杂结构来说可以提高计算效率.

关键词：地震需求神经网络分位数回归 Monte-Carlo法机器学习结构可靠度重要性分析

考虑温度因素的中期电力负荷概率密度预测方法

在线全文

学校读者我要写书评

暂无评论

电网技术 2015年第1期39卷 176-181页

作者：何耀耀闻才喜许启发撖奥洋过程优化与智能决策教育部重点实验室(合肥工业大学) 安徽省合肥市230009 山东电力集团青岛供电公司调控中心山东省青岛市266300

针对温度因素对中期电力负荷的影响,在现有的神经网络预测、区间预测和概率密度预测方法的基础上,研究在不同分位点上温度和历史负荷对电力系统中期负荷分布规律的影响,提出基于神经网络分位数回归的中期电力负荷概率密度预测方法。根... 详细信息

针对温度因素对中期电力负荷的影响,在现有的神经网络预测、区间预测和概率密度预测方法的基础上,研究在不同分位点上温度和历史负荷对电力系统中期负荷分布规律的影响,提出基于神经网络分位数回归的中期电力负荷概率密度预测方法。根据连续的条件分位数函数预测中期负荷在某天的概率密度,获得更多关于中期负荷预测信息。同时,通过比较在考虑温度因素下和不考虑温度因素下的条件概率密度预测曲线以及峰值对应的点预测值,可以得出,预测当天温度对中期负荷预测有较重要的影响,这为降低中期电力负荷预测的不确定因素提供了更多的决策信息和预测结果。

关键词：温度概率密度预测神经网络分位数回归中期负荷

在线全文

学校读者我要写书评

暂无评论

月前日负荷曲线的概率预测和随机场景模拟

电力系统自动化 2017年第17期41卷 155-162页

作者：颜伟李丹朱继忠任洲洋赵霞余娟重庆大学电气工程学院南方电网科学研究院

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,... 详细信息

针对现有中长期日负荷曲线预测方法大多为点预测,难以满足电力系统不确定性分析的不足,提出了一种基于因子分析和神经网络分位数回归的月前日负荷曲线概率预测和随机场景模拟方法。采用因子分析技术,在保留日内负荷时序相关性的前提下,对日负荷序列向量降维;提取出少数相互独立的负荷公共因子作为预测变量,以日气象因素、星期类型和前一日公共因子值为输入特征,建立计及相邻日负荷相关性的神经网络分位数回归概率预测模型;以此为基础,利用中期气象预报信息,逐日预测和模拟未来30日的负荷曲线,并生成未来月负荷曲线的随机模拟场景。实际算例结果验证了所提概率预测方法的准确性和高效性,其生成的日负荷曲线模拟场景更好地体现了负荷的时序相关性,能为调度人员提供更准确、全面的月前负荷预测信息。

关键词：负荷概率预测日负荷曲线时序相关性因子分析神经网络分位数回归气象因素