节点文献

基于GARCH模型和BP神经网络模型的股票价格预测实证分析

免费订阅

【作者】 崔文喆李宝毅于德胜

【Author】 CUI Wenzhe;LI Baoyi;YU Desheng;College of Mathematical Science,Tianjin Normal University;

【通讯作者】 李宝毅;

【机构】 天津师范大学数学科学学院

【摘要】 采用GARCH模型和BP神经网络模型,利用上海A股30支股票(6类,每类各5支)2015年6月29日至2017年6月30日的日收盘价,分别进行短期(2017年7月3日至7日)、中期(2017年8月14日至18日)和长期(2017年9月25日至29日)预测.结果表明:在短期预测中,无论是否考虑当日价格波动对预测结果的影响,2个模型的每日与一周总体预测效果的差异均不具有统计学意义(P> 0.05);在中期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P <0.01),不考虑当日价格波动时每日预测效果的差异具有统计学意义(0.01 <P <0.05),考虑价格波动时每日预测中有3日预测效果的差异不具有统计学意义(P> 0.05),有2日预测效果的差异具有统计学意义(0.01 <P <0.05);在长期预测中,无论是否考虑当日价格波动对预测结果的影响,BP神经网络模型的每日与一周总体预测效果均优于GARCH模型,且总体差异具有高度统计学意义(P <0.01),每日预测效果的差异不具有统计学意义(P> 0.05);随着预测周期的延后,预测误差逐渐增大.

【基金】 国家自然科学基金资助项目(11271046;11671040);天津师范大学博士基金资助项目(52XB1414)
【所属期刊栏目】 数学与统计学 (2019年05期)
  • 【DOI】10.19638/j.issn1671-1114.20190505
  • 【分类号】F832.51;TP183
  • 【下载频次】988
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: