基于神经网络的利率期限结构组合预测研究

摘要

利率期限结构是指在某一时刻，不同期限的国债到期收益率与其剩余期限之间的关系。它不仅是金融产品定价的基准，也是宏观经济研究中的重要参考要素。研究如何获取精准的利率期限结构曲线具有学术价值和现实意义。以往的利率期限结构模型均以某种假定条件而推导得出，一旦真实市场不符合模型的假定条件，那么必然会影响预测结果。而神经网络作为一种大数据算法，完全依靠市场数据来拟合得出模型，主观性较小，可有效避免传统模型因参数设定不适而造成的误差。本文研究了如何应用4类神经网络来对利率期限结构进行预测，并进行了实证比较与组合优化。主要工作如下:
　　(1)确定了应用4类神经网络时各自的最优参数取值，分别为BPNN的隐层节点数通过经验法则二确定，迭代次数5000次;WNN的隐层节点数通过经验法则三确定，迭代次数10000次;RBFNN的隐层节点数通过经验法则四确定，平滑参数0.25;GRNN的平滑参数为7个测试样本所对应年度的最优值。
　　(2)对4类神经网络利率期限结构模型的预测结果进行了对比研究，其中WNN的预测误差均值最小，为1.17;BPNN的预测标准差最小，为0.79。
　　(3)构建了5种利率期限结构组合预测模型，并将5种组合模型与4类神经网络及彼此之间进行了对比分析。组合五的预测误差及稳定性最差，其误差均值及标准差为0.66和0.67，但这一结果仍旧低于4类神经网络中预测误差均值及标准差的最优值，证明组合预测模型可有效提升预测精度及其稳定性。组合三的预测效果及稳定最好，其预测误差均值及标准差为0.37和0.37。

目录

声明

摘要

第一章 绪论

1．1 选题背景及研究意义

1．1．1 选题背景

1．1．2 研究意义

1．2 主要研究内容及研究框架

1．2．1 主要研究内容

1．2．2 研究框架

1．3 主要创新点

第二章 文献综述

2．1 利率期限结构文献综述

2．1．1 传统利率期限结构理论

2．1．2 静态利率期限结构模型

2．2 神经网络文献综述

2．2．1 4类神经网络模型

2．2．2 神经网络的应用

2．3 组合预测文献综述

2．4 文献述评

第三章 基于神经网络的利率期限结构预测模型

3．1 神经网络的学习方法及评价标准

3．1．1 神经网络的学习方法

3．1．2 神经网络的评价标准

3．1．3 样本的选取

3．2 确定适用于利率期限结构预测的最优参数

3．2．1 神经网络参数及选取方法

3．2．2 测试样本选取

3．2．3 参数取值区间确定

3．3 最优参数确定的实证分析

3．3．1 BPNN的实证分析

3．3．2 WNN的实证分析

3．3．3 GRNN的实证分析

3．3．4 RBFNN的实证分析

3．3．5 最优参数确定

3．4 基于4类神经网络的利率期限结构预测

3．5 本章小结

第四章 基于神经网络的利率期限结构组合预测模型

4．1 组合预测模型

4．1．1 组合预测模型公式

4．1．2 构建神经网络组合预测模型

4．1．3 组合预测模型的评价标准

4．2 5种组合预测模型与4类神经网络的对比分析

4．3 5种组合预测模型的预测效果对比分析

4．3．1 以标准一为基准比较分析

4．3．2 以标准二为基准比较分析

4．3．3 以标准三为基准比较分析

4．4 本章小结

第五章 总结与展望

5．1 研究总结

5．2 研究展望

参考文献

致谢

研究成果及发表的学术论文

作者及导师简介