金融资产收益率的模糊双线性回归

已有文献中对金融市场的区间观测数据利用模糊线性规划方法讨论动态模型结构(FAR(p)),这里引入模糊双线性回归模型(FBR(p,q)),利用模糊最小二乘法来估计未知参数。基于平均平方误差(MSE)与平方绝对误差(MAE)考察了两个模型的拟合效果,并在样本期内和样本期外分别评价了两个模型的实际拟合与预测能力。

基于风险中性FBR和PNN的金融资产收益率序列预测模型的研究

在传统的时间序列预测模型难以揭示复杂非线性动态金融系统的内在规律的情况下,定量方法在金融市场中的应用引起了研究者和管理者的极大关注。本文基于模糊技术,结合统计工具和人工神经网络,构造了一个新的三阶段混合预测系统。在第一阶段以最小化平方和误差来拟合模糊自回归模型阶段的系数,并对样本数据进行分组。第二阶段引入风险观点,建立基于二次规划算法的模糊双线性回归模型,该模型既反映了最小二乘法的性质,又反映了无专家知识的可能性方法的性质。在第三阶段,结合概率神经网络,得到更大可能性的预测区间。通过对上证指数历史金融资产收益率序列的统计验证和分析,证明该混合预测模型的有效性。