中国银行间同业拆借利率预测模型研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·文献综述 | 第9-11页 |
| ·研究创新与局限 | 第11-14页 |
| 2 ARMA模型在同业拆借利率预测中的应用 | 第14-27页 |
| ·样本数据 | 第14-16页 |
| ·ARMA(P,Q)模型的定义 | 第16-17页 |
| ·ARMA(P,Q)模型的建立 | 第17-21页 |
| ·平稳性检验 | 第18-19页 |
| ·确定自回归阶数P和偏自回归阶数Q | 第19-20页 |
| ·参数估计 | 第20-21页 |
| ·ARMA模型的残差序列检验 | 第21-22页 |
| ·运用ARMA模型对我国同业拆借利率进行预测 | 第22-27页 |
| ·预测精度的度量指标 | 第23页 |
| ·样本内预测 | 第23-25页 |
| ·样本外预测 | 第25-27页 |
| 3 BP神经网络模型在同业拆借利率预测中的应用 | 第27-45页 |
| ·神经网络技术概述 | 第27-32页 |
| ·生物神经网络的基本原理 | 第27-28页 |
| ·人工神经元 | 第28-29页 |
| ·神经网络的结构 | 第29-31页 |
| ·神经网络的功能 | 第31-32页 |
| ·BP神经网络 | 第32-34页 |
| ·BP网络的学习过程 | 第32页 |
| ·BP网络的学习算法 | 第32-33页 |
| ·BP网络的优缺点 | 第33-34页 |
| ·BP神经网络设计 | 第34-37页 |
| ·同质神经网络 | 第34-35页 |
| ·网络层数的确定 | 第35页 |
| ·输入层与输出层神经元个数的确定 | 第35-36页 |
| ·隐藏层神经元个数的确定 | 第36-37页 |
| ·运用BP神经网络模型对我国同业拆借利率进行预测 | 第37-45页 |
| ·建模工具MATLAB介绍 | 第37页 |
| ·数据的归一化处理 | 第37-38页 |
| ·BP网络的建立与选择 | 第38-41页 |
| ·BP网络样本内预测 | 第41-42页 |
| ·BP网络样本外预测 | 第42-45页 |
| 4 组合模型在同业拆借利率预测中的应用 | 第45-52页 |
| ·组合预测模型的分类 | 第45-46页 |
| ·基于组合模型的我国同业拆借利率预测 | 第46-52页 |
| ·等权组合模型预测 | 第46-47页 |
| ·最优加权组合模型预测 | 第47-49页 |
| ·ARMA-BP模型预测 | 第49-52页 |
| 5 结论 | 第52-56页 |
| ·各模型预测性能比较 | 第52-54页 |
| ·ARMA和BP样本内预测性能的比较 | 第52-53页 |
| ·各模型样本外预测性能的比较 | 第53-54页 |
| ·结论 | 第54-56页 |
| 附录A | 第56-59页 |
| 参考文献 | 第59-63页 |
| 后记 | 第63-64页 |
