基于神经网络理论的基金综合业绩评级系统的研究

摘要

基金是市场经济的产物，投资基金是一种先进的理财工具，基金已经成为我国证券市场的主导力量。 我国的基金发行、买卖，大多数是通过银行代理销售的。如果银行能准确地评价投资基金的业绩和发展，向客户推荐拥有成熟投资理念的基金，给客户带来高额利润，就能为银行引来优质客户和大客户，从而为银行带来理想的收益。目前，国内金融业正向多元化业务方向发展，代理销售业务是银行之间业务竞争的焦点。 如何对基金业绩和发展进行客观的评价，在国外，基金业非常发达，他们形成了一套比较成熟和完整的基金绩效评价方法。在国内，由于基金的运作时间不长，规模小，对基金的评价主要集中在单位净值和增长率；直接采用基金价格走势来预测基金的发展。这两种方法缺陷是明显的。2002年后，有学者使用CAPM来评价基金的业绩，但在基金发展的预测方面，还不尽人意。寻找一种科学的方法，准确评价基金的业绩和发展，具有重要意义。 本文提出了一个运用统计、量化研究的方法，从多方面分析了基金公司的收益、风险、流动性状况和经营状况，对基金管理人的绩效、能力和基金发展趋势进行评价和预测，本办法利用神经网络的学习能力，非线性处理能力，结合CAPM理论指标，通过B/S开发架构，开发出一个基金综合业绩评级系统。按基金业绩指标、发展趋势对基金“总”业绩进行排名，形成基金评级报告，以达到较为准确地反映基金的业绩。从而，保障投资者的投资健康发展。本文主要研究内容如下： 1、使用CAPM和MPT，评价基金的业绩，包括基金的收益、风险和能力。 2、利用BP神经网络的学习能力，非线性处理能力，对基金的发展进行预测。 3、通过MPT，根据投资者可能承担的风险等，模拟构造符合投资者需求的基金投资组合，为投资者提供投资指导。 在基金综合业绩评级系统的设计中，选用了：杰森指数、特雷诺指数、夏普指数等5项指标，作为BP网络的输入节点；用L—M方法建立神经网络。

目录

文摘

英文文摘

声明

第一章 绪论

1.1背景及意义

1.1.1背景

1.1.2当前基金评价的状况

1.1.3国内一些基金评价体系简介

1.1.4意义

1.2论文的结构和内容

1.3本章小结

第二章 神经网络基本理论和BP算法

2.1神经网络概述

2.1.1人工神经网络分类

2.1.2神经网络的特性

2.1.3神经网络发展方向

2.2 BP算法基本原理

2.2.1神经元的数理模型(即MP模型)

2.2.2 BP算法神经网络模型

2.2.3 BP算法神经网络数学模型

2.3算法的局限性和改进

2.4参数自适应BP算法

2.5本章小结

第三章 基金业绩评价理论

3.1业绩评价指标

3.1.1杰森指数

3.1.2夏普指数

3.1.3特雷诺指数

3.2收益与风险测度指标

3.2.1收益率

3.2.2风险

3.3基金能力评价指标

3.2.1 T—M模型

3.2.2 H—M模型

3.2.3基金业绩持续性

3.3综合业绩评价模型

3.4本章小结

第四章 基金综合业绩评级系统简介

4.1需求简介

4.2功能需求

4.3系统总体结构

4.4.1系统功能模块

4.4.2开发工具

4.4.3用户角色设置

4.5本章小结

第五章 基金综合业绩评级系统设计

5.1 BP网络在基金综合业绩评级应用的可行性

5.2原始数据处理

5.2.1数据筛选及清理

5.2.2数据预处理

5.3数据统计分析模块设计

5.3.1评价指标的设计

5.3.2基金收益指标

5.3.3基金风险指标

5.3.4基金经理人能力指标

5.3.5基金流动性指标

5.4评级报告模块设计

5.4.1初绐参数的选择

5.4.2网络结构的设计

5.4.3 BP神经网络仿真过程

5.4.4基金评级报告

5.4.5基金评级报告分析

5.5基金组合投资模块设计

5.5.1制定投资策略

5.5.2新建组合

5.5.3组合分析

5.5.4模拟最优组合

5.6本章小结

总结

参考文献

致谢