二种资金流入流出预测模型的比较研究

摘要

随着中国经济的迅猛发展，大量和金融相关的企业正在快速崛起，例如蚂蚁金服旗下的余额宝。上亿的用户导致了余额宝每天都有大量资金的流入和流出，随着用户群的日渐扩大，资金的管理压力也在随之增加。在既要降低资金流动风险又要使得日常业务正常运转的情况下，对未来资金流量的大小作出准确的预测是一件极为重要的事情。查阅相关文献和资料可以知道，如今在实际操作里经常被使用的模型有BP神经网络模型和ARIMA时间序列模型。
　　由于原始数据的量级太大，在使用前，需要将其处理成量级较小的序列数据。这里的BP神经网络采用了一步迭代法进行预测，即每次预测一个结果，再将预测结果和前面的数据结合起来再次进入到下一步的预测，依此循环得到全部的预测结果。在进行预测之前，须要对模型进行训练，训练的好坏依赖于对模型参数的设定，只要训练的模型达到收敛也就是训练过程中的误差一旦达到事先设定的误差时，模型就会停止训练，这时训练好的模型就可以用于接下来的预测。为了使网络模型拟合效果有所比较，接下来再使用时间序列模型进行分析。
　　这里的原始数据是不稳定的时间序列数据，因此需要进行差分变换使其成为稳定的时间序列，再对序列进行白噪声检验和正态性检验，确保数据可以使用ARIMA模型。然后再对稳定的非白噪声序列进行模型识别和模型检验，利用AIC准则对可能的模型进行筛选，最后选择AIC值最小的模型对资金的流入流出进行预测。
　　结果表明，上面所说的两种模型拟合的精度都比较高，其中时间序列模型的预测效果比神经网络模型好。从预测结果来看，这两个模型都是适合对资金进行预测的，但是各有其优点和局限性，因此在以后的研究中需要对原始数据充分了解和分析后再选择合适的模型，同时须要多尝试不同的模型和算法。

目录

声明

摘要

第一章 引言

1．1 研究背景

1．2 BP神经网络模型的研究现状

1．3 时间序列模型的研究现状

1．4 本文的主要工作和内容

第二章 数据介绍和整理

2．1 数据的介绍

2．2 数据的整理

第三章 基于BP神经网络预测模型的数值分析

3．1 神经网络的基本原理

3．1．1 印网络的拓扑结构

3．1．2 印阿络的传递函数

3．1．3 BP神经网络的学习算法

3．2 BP神经网络预测方法设计

3．2．1 一步预测

3．2．2 迭代一步预测

3．2．3 多步预测

3．3 评价指标

3．4 基于MATLAB软件的数值分析

第四章 基于ARMA预测模型的数值分析

4．1 模型的探索性分析

4．1．1 平稳性分析

4．1．2 模型识别与参数估计

4．1．3 模型检验

4．1．4 模型预测和模型评价

4．2 基于R软件的数值分析

第五章 总结与展望

5．1 主要结论

5．2 研究展望

参考文献

附录

致谢