多时间尺度下变体生成式对抗网络的股价预测

股价预测能为公司经营、投资决策和市场监管提供重要依据。【目的】为了避免特征提取不足与预测不准等问题,我们构建了多时间尺度下变体生成式对抗网络对股价涨跌方向进行预测。【方法】首先以双向长短期记忆网络构造生成器,以卷积神经网络构造判别器;然后分别对生成器与判别器在多时间尺度数据上进行博弈训练,提取长期与短期特征后将结果拼接;最后获得预测模型。【结果】选取沪深300指数、建设银行与陕西煤业股价为样本进行实证分析,试验发现沪深300指数涨跌预测准确率达到59.63%,个股数据验证表明本文模型具有一定的稳定性与优越性。【结论】本模型能提高预测股价涨跌的准确率,丰富了金融数据分析方法。

双侧伽马分布在碳交易中的应用

由于二氧化碳的大量排放,导致生态环境急剧恶化,全球各国对碳排放量的关注度越来越高.推出碳金融衍生品、完善碳交易体系是促进碳减排的重要手段,而合理的碳金融衍生品定价是推出相关金融产品的基础。本文首次采用双侧伽马分布拟合碳配额收益率序列,得到碳配额价格的波动率并对期权定价模型进行优化,最终求得了碳期权价格。结果表明:碳配额收益率序列近似服从双侧伽马分布,而且此模型用于碳期权定价具有合理性。随后,综合考虑连涨、连跌收益率之间的关系及成交量对价格的影响,利用双侧伽马分布推导出价格涨跌条件概率的公式,进行了数值验证。因此,双侧伽马分布在碳交易中可用于期权定价和价格涨跌概率推断。