最優(yōu)組合預(yù)測(cè)模型的構(gòu)建及其應(yīng)用研究

摘 要:由于證券價(jià)格是隨機(jī)游走的，在證券定價(jià)研究中RBF神經(jīng)網(wǎng)絡(luò)模型、灰色GM(1，1)模型、ARIMA模型不具備時(shí)效性，通過對(duì)上述三個(gè)模型進(jìn)行綜合分析，結(jié)合三者中有用的信息集合，構(gòu)建一個(gè)最優(yōu)組合預(yù)測(cè)模型.在此基礎(chǔ)上選取了深發(fā)展A在2007年全年的收盤價(jià)作為研究樣本對(duì)這四個(gè)模型進(jìn)行實(shí)證研究，研究結(jié)果發(fā)現(xiàn)，最優(yōu)組合預(yù)測(cè)方法對(duì)證券價(jià)格進(jìn)行預(yù)測(cè)具有很好的預(yù)測(cè)精度和很高的可靠性.

關(guān)鍵詞 RBF神經(jīng)網(wǎng)絡(luò)模型;GM(1，1)模型;ARIMA模型;最優(yōu)組合預(yù)測(cè)模型

中圖分類號(hào) F831文獻(xiàn)標(biāo)識(shí)碼:A



1 引 言

隨著金融市場(chǎng)的不斷發(fā)展，證券定價(jià)在20世紀(jì)50年代已有許多杰出的成果，70年代以來日趨活躍，逐步成為數(shù)理金融學(xué)中的前沿問題.在證券定價(jià)的傳統(tǒng)研究中，絕大多數(shù)都采用單項(xiàng)預(yù)測(cè)方法，即建立一個(gè)相對(duì)好的模型并逐步修正以更接近現(xiàn)實(shí)，目前比較常用的單項(xiàng)預(yù)測(cè)方法有RBF神經(jīng)網(wǎng)絡(luò)方法、灰色GM(1，1)方法、ARIMA方法等，并且這些模型在證券定價(jià)研究中取得了一定的效果.但由于證券價(jià)格是隨機(jī)游走的，對(duì)于預(yù)測(cè)目的而言，單項(xiàng)預(yù)測(cè)顯然不具備時(shí)效性，而組合預(yù)測(cè)方法是一種既未否定單項(xiàng)預(yù)測(cè)同時(shí)又有別于傳統(tǒng)預(yù)測(cè)思想的較為先進(jìn)的現(xiàn)代預(yù)測(cè)方法.簡(jiǎn)而言之，組合預(yù)測(cè)對(duì)多種單一預(yù)測(cè)方法進(jìn)行組合，其主要目的是綜合利用各種方法所提供的信息，盡可能地提高預(yù)測(cè)精度.