基于混沌理论的中国金融市场投资决策研究

《基于混沌理论的中国金融市场投资决策研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中图分类号：F830学科分类号：120100论文编号：102870912一B025博士学位论文基于混沌理论的中国金融市场投资决策研究研究生姓名学科、专业研究方向指导教师黄腾飞管理科学与工程投融资决策与风险控制李帮义教授南京航空航天大学研究生院经济与管理学院二O一三年一月NanjingUniversity．ofAeronauticsandAstronauticsTheGraduateSchoolCollegeofEconomicsandManagementResearchontheInvestmentDecision

2、ofChineseFinancialMarketBasedonChaosTneorv_AThesisinManagementScienceandEngineeringbyHuangTeng—feiAdvisedbyProf．LIBang—yiSubmittedinPartialFulfillmentoftheRequirementsfortheDegreeofDoctorofPhilosophyJanuary,2013承诺书本人声明所呈交的博士学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加

3、以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得南京航空航天大学或其他教育机构的学位或证书而使用过的材料。本人授权南京航空航天大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本承诺书)作者签名：兰篮塑作者签名：堡J监似日期：兰!!：主：』堡南京航空航天大学博士学位论文摘要近年来，作为市场经济体系的有机构成部分，全球金融市场的规模急剧扩大，重要性日益凸显。作为一个新兴的市场，中国金融市场的发展

4、更是举世瞩目。中国A股市场市值已跃居全球第二；而中国的期货市场经过最近十多年的蓬勃发展，己成为全球第一大商品期货市场，国内首个金融期货品种——沪深300指数期货也在2010年上市。中国的黄金市场虽然起步较晚，但随着国内投资者避险意识的觉醒，现在无论是交易量还是市场影响力都有了长足的进步。如今在中国，金融投资已逐步成为个人、企业乃至政府的重要理财工具。在金融分析和投资决策领域，长期以来一直以有效市场假说和建立在其基础之上的资本资产定价模型为理论基石。然而随着时代的发展，金融市场的分形、混沌等复杂特性逐渐为人所知。本文

5、即以混沌理论为基础，对中国的股票、期货、黄金等金融市场进行系统的研究，以期揭示这个新兴市场的内在规律，探讨有效的投资决策方法。本文研究的主要内容包括以下几个方面：1)中国金融市场的混沌性检验。在数据预处理上，采用对数线性去趋势和收益率两种方法对数据进行了平稳化处理。对于时间上不连续的期货市场品种，新设计了最大交易量复权法，保证价格的连续性和代表性。然后对平稳化后的序列以PUS分析和BDS检验以及递归图方法进行非线性和确定性检验。之后再进行相空间重构，考察其混沌不变量。通过这些分析，弥补了以前国内期货市场大部分品种和

6、黄金市场都未进行混沌识别的不足，得出中国金融市场中普遍存在混沌的结论。2)中国金融市场的噪声处理研究。主要从两个方面研究了中国金融市场市场的噪声处理。一是噪声估计，以常用的关联积分法、粗糙纹理熵方法、小波法等估计了我国金融市场的噪声水平。并利用小波变换的方差分解功能对白噪声的小波系数方差进行分析，提出一种新的噪声估计方法。二是噪声平滑方面，分析了非线性局部平均法和局部投影法，重点研究了小波软阈值去噪方法，提出基于小波方差分解的新阈值去噪方法，并用Lorenz、Chen等混沌系统数据进行检验。其后运用该方法对国内金融

7、市场中有代表性的几个品种的价格序列进行噪声平滑处理，验证了有效性。最后，以上证指数日收盘价格序列作为样本，通过一天预测再反平稳化以比较均方根误差的方法，比较了各种噪声平滑方法在金融市场的实际去噪效果。3)中国金融市场的混沌预测研究。噪声估计和平滑处理的基础上，首先用Lyapunov指数法对我国金融市场的几个代表性品种进行预测实证。然后研究了Valterra级数自适应预测模型在中国金融市场的应用，并使用递推最dx----乘算法(RLS)来提高Volterra预测模型的预测精度。在对国内几个金融市场的实际预测表明，基于

8、Valterra级数的自适应预测模型效果明显优基于混沌理论的中国金融市场投资决策研究于Lyapunov指数预测法，但是该方法存在稳定性差的问题。一般常用的神经网络模型多属于静态前馈的处理模式，本文将递归预测器神经网络应用到对金融市场的预测中。在网络训练上，提出用遗传算法优化网络的阈值、权值以及激发函数的幅值和斜率。和其他典型的神经网络预测方法叫P神经网络、径