文献知网节
  • 记笔记

基于GARCH模型和BP神经网络模型的股票价格预测实证分析

崔文喆李宝毅于德胜

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.
  • DOI:

    10.19638/j.issn1671-1114.20190505

  • 专辑:

    基础科学; 信息科技; 经济与管理科学

  • 专题:

    自动化技术; 金融; 证券; 投资

  • 分类号:

    F832.51;TP183

  • 手机阅读
    即刻使用手机阅读
    第一步

    扫描二维码下载

    "移动知网-全球学术快报"客户端

    第二步

    打开“全球学术快报”

    点击首页左上角的扫描图标

    第三步

    扫描二维码

    手机同步阅读本篇文献

  • HTML阅读
  • CAJ下载
  • PDF下载

下载手机APP用APP扫此码同步阅读该篇文章

下载:1045 页码:30-34 页数:5 大小:186K

相关文献推荐
  • 相似文献
  • 读者推荐
  • 相关基金文献
  • 关联作者