基于神经网络的利率期限结构组合预测研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及研究意义 | 第11-12页 |
| 1.1.1 选题背景 | 第11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 主要研究内容及研究框架 | 第12-14页 |
| 1.2.1 主要研究内容 | 第12-13页 |
| 1.2.2 研究框架 | 第13-14页 |
| 1.3 主要创新点 | 第14-17页 |
| 第二章 文献综述 | 第17-29页 |
| 2.1 利率期限结构文献综述 | 第17-22页 |
| 2.1.1 传统利率期限结构理论 | 第17-19页 |
| 2.1.2 静态利率期限结构模型 | 第19-22页 |
| 2.2 神经网络文献综述 | 第22-26页 |
| 2.2.1 4类神经网络模型 | 第22-25页 |
| 2.2.2 神经网络的应用 | 第25-26页 |
| 2.3 组合预测文献综述 | 第26-27页 |
| 2.4 文献述评 | 第27-29页 |
| 第三章 基于神经网络的利率期限结构预测模型 | 第29-51页 |
| 3.1 神经网络的学习方法及评价标准 | 第29-30页 |
| 3.1.1 神经网络的学习方法 | 第29页 |
| 3.1.2 神经网络的评价标准 | 第29-30页 |
| 3.1.3 样本的选取 | 第30页 |
| 3.2 确定适用于利率期限结构预测的最优参数 | 第30-34页 |
| 3.2.1 神经网络参数及选取方法 | 第30-31页 |
| 3.2.2 测试样本选取 | 第31-33页 |
| 3.2.3 参数取值区间确定 | 第33-34页 |
| 3.3 最优参数确定的实证分析 | 第34-47页 |
| 3.3.1 BPNN的实证分析 | 第34-37页 |
| 3.3.2 WNN的实证分析 | 第37-40页 |
| 3.3.3 GRNN的实证分析 | 第40-41页 |
| 3.3.4 RBFNN的实证分析 | 第41-45页 |
| 3.3.5 最优参数确定 | 第45-47页 |
| 3.4 基于4类神经网络的利率期限结构预测 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 基于神经网络的利率期限结构组合预测模型 | 第51-65页 |
| 4.1 组合预测模型 | 第51-54页 |
| 4.1.1 组合预测模型公式 | 第51-52页 |
| 4.1.2 构建神经网络组合预测模型 | 第52-53页 |
| 4.1.3 组合预测模型的评价标准 | 第53-54页 |
| 4.2 5种组合预测模型与4类神经网络的对比分析 | 第54-57页 |
| 4.3 5种组合预测模型的预测效果对比分析 | 第57-63页 |
| 4.3.1 以标准一为基准比较分析 | 第59-61页 |
| 4.3.2 以标准二为基准比较分析 | 第61-63页 |
| 4.3.3 以标准三为基准比较分析 | 第63页 |
| 4.4 本章小结 | 第63-65页 |
| 第五章 总结与展望 | 第65-69页 |
| 5.1 研究总结 | 第65-67页 |
| 5.2 研究展望 | 第67-69页 |
| 参考文献 | 第69-77页 |
| 致谢 | 第77-79页 |
| 研究成果及发表的学术论文 | 第79-81页 |
| 作者及导师简介 | 第81-83页 |
| 附件 | 第83-84页 |
