欢迎来到优知文库! | 帮助中心 分享价值,成长自我!
优知文库
全部分类
  • 幼儿/小学教育>
  • 中学教育>
  • 高等教育>
  • 研究生考试>
  • 外语学习>
  • 资格/认证考试>
  • 论文>
  • IT计算机>
  • 法律/法学>
  • 建筑/环境>
  • 通信/电子>
  • 医学/心理学>
  • ImageVerifierCode 换一换
    首页 优知文库 > 资源分类 > DOCX文档下载
    分享到微信 分享到微博 分享到QQ空间

    基于最小二乘支持向量机的余额宝收益率短期预测研究分析计算机科学与技术专业.docx

    • 资源ID:1153128       资源大小:198.53KB        全文页数:23页
    • 资源格式: DOCX        下载积分:7金币
    快捷下载 游客一键下载
    账号登录下载
    微信登录下载
    三方登录下载: QQ登录
    二维码
    扫码关注公众号登录
    下载资源需要7金币
    邮箱/手机:
    温馨提示:
    快捷下载时,如果您不填写信息,系统将为您自动创建临时账号,适用于临时下载。
    如果您填写信息,用户名和密码都是您填写的【邮箱或者手机号】(系统自动生成),方便查询和重复下载。
    如填写123,账号就是123,密码也是123。
    支付方式: 支付宝    微信支付   
    验证码:   换一换

    加入VIP,免费下载
     
    账号:
    密码:
    验证码:   换一换
      忘记密码?
        
    友情提示
    2、PDF文件下载后,可能会被浏览器默认打开,此种情况可以点击浏览器菜单,保存网页到桌面,就可以正常下载了。
    3、本站不支持迅雷下载,请使用电脑自带的IE浏览器,或者360浏览器、谷歌浏览器下载即可。
    4、本站资源下载后的文档和图纸-无水印,预览文档经过压缩,下载后原文更清晰。
    5、试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓。

    基于最小二乘支持向量机的余额宝收益率短期预测研究分析计算机科学与技术专业.docx

    摘要11-ltjHUI4第Ll节研究的背景与意义4第L2节国内外研究现状分析5第1.2.1节余额宝宏观研究现状5第L2.2节余额宝微观研究现状5第1.2.3节LS-SVM在金融时间序列预测领域的研究现状6第1.2.4节EEMD分解的研究现状6第L3节本文研究框架7第2章模型介绍8第2.1M的本原理*8第2.2节基于LS-SVM的时间序列预测方法10第2.3节EEMD的基本原理11第3章实证分析13第3.1节数据的来源及处理13第3.3节模型对比及结果分析16第4章结论与展望1841IJ2口*Ms18第4.2节研究展望18参考文献19摘要近年来,互联网业与金融界的联手及其快速发展极大地转变了当代人的生活方式,开创了一个崭新的时代。而这其中,由蚂蚁金服携手天弘基金于2013年共同推出的互联网理财产品一一余额宝无疑成为了最耀眼的一颗新星。余额宝借助互联网这一庞大的势力以其高收益、低门槛、高安全性等优势引来了社会各界的广泛关注以及强烈反响。截至2017年第一季度末,余额宝的公募规模已突破万亿元,超越了一直以来驻守第一位的美国政府货币基金摩根集团(JPMOrgan),跃升为全球最大的货币基金。余额宝为传统金融领域的发展注入新鲜血液的同时,以它为代表的新兴理财产品所可能带来的流动性以及价格波动等风险也成为了社会的热点问题之一。因此,余额宝收益率的预测研究具有重大的时代意义,它是中国金融行业在互联网时代有序稳健发展的必要条件。本文借助最小二乘支持向量机模型(LS-SVM)对余额宝的未来万份收益进行短期预测。在此基础上,本文还提出了一种基于集成经验模态分解的最小二乘支持向量机(EEMD-LSSVM)预测方法。该模型首先运用了集成经验模态分解(EEMD)将余额宝万份收益时间序列分解成若干个具有不同特征尺度的本征模函数(IMF)以及剩余分量。其次,利用快速傅里叶变换(FFT)对每个分量进行平均周期的求解,并将各分量重组成高频序列、低频序列和趋势序列。再针对这三个重组后的序列分别构建LS-SVM模型进行预测,将三组预测的结果进行加总从而得到EEMD-LSSVM的预测值。最后,将其与使用单一LS-SVM模型的余额宝收益预测值进行比较分析。结果表明,采用LS-SVM模型以及EEMD-LSSVM模型均能较好地反映其动态变化。从精确度角度来看,EEMD-LSSVM模型在部分月份的预测精度要明显高于LS-SVM模型;从复杂性角度来看,直接采用LS-SVM更为高效。由此可见,最小二乘支持向量机对于余额宝收益率的回归效果是十分可观的,在金融时间序列预测领域具有良好的应用前景。余额宝收益率的短期预测研究对于余额宝自身、广大的消费者投资者以及商业银行均具有重要的参考价值。关键词:余额宝;收益率;LS-SVM;EEMD-LSSVM;短期预测AbstractInrecentyears,thehand-in-handoftheInternetandthefinancialworldanditsrapiddevelopmenthavetransformedthewaymanypeopleconsumeandmanagetheirfinances,creatinganewera.Amongthese,theInternetwealthmanagementproductjointlylaunchedbyAntFinancialandTianhongFundin2013,YuEbao,hasundoubtedlybecomethebrighteststar.WiththehelpofthehugepoweroftheInternet,YuEbaoisshowingitselftotheworldwithitsadvantagesofhighyield,lowthreshold,andhighsecurity,whichhastriggeredwidespreadconcernandstrongrepercussionsfromthewholesociety.Bytheendofthefirstquarterof2017,thepublic-raisingscaleofYuEbaohasexceededtrillions,surpassingU.S.governmentcurrency,JPMorganandmakingittheworld'slargestcurrencyfund.WhileYuEbaohasinfusednewbloodforthedevelopmentofthetraditionalfinancialfield,therisksofliquidityandpricefluctuationsthatmayarisefromemergingfinancialproductsrepresentedbyithavealsobecomeoneofthehotissuesinthesociety.Therefore,theresearchontheforecastofYuEbao,syieldhasgreatsignificanceinthetimes,whichhelpsChina'sfinancialindustrytomaintainorderlyandrobustdevelopmentintheInternetage.ThispaperusestheLeastSquaresSupportVectorMachine(LS-SVM)modeltomakeashort-termpredictionofYuEbao,sfutureyield.Onthisbasis,thispaperalsoproposesaLeastSquaresSupportVectorMachinepredictionmethodbasedonEnsembleEmpiricalModeDecomposition(EEMD-LSSVM).ThismodelusestheEEMDtechniquetodecomposetheoriginalsequenceintoseveralcomponentsOfdifferentfrequencies(includingseveralIntrinsicModeFunctionsandaresidualcomponent).AccordingtotheaverageperiodsolvedbyFastFourierTransform(FF),weregroupeachcomponentintohigh-frequencysequence,low-frequencysequence,andtrendsequence,andthenconstructdifferentLS-SVMmodelsforthethreesequencestomakepredictions.ThepredictionvaluesofeachsequencearesummedtoobtaintheEEMD-LSSVM,spredictionvalue.Finally,wecompareandanalyzetheresultsofthesetwomodels.TheresultsshowthatboththeLS-SVMmodelandtheEEMD-LSSVMmodelcanreflectYuEbao,sdynamicchanges.Fromtheaccuracyperspective,thepredictionaccuracyoftheEEMD-LSSVMmodelinsomemonthsissignificantlyhigherthanthatoftheLS-SVMmodel;fromthecomplexitypointofview,thedirectadoptionofLS-SVMismoreefficient.ItcanbeseenthattheleastsquaressupportvectormachinehasaconsiderableeffectontheregressioneffectofYuEbao.Ithasagoodapplicationprospectinthefieldoffinancialsequenceforecasting.Theshort-termforecastresearchofYuEbao,syieldratehasimportantreferencevalueforYuEbaoitself,themajorityofinvestors,andtheactionstrategiesofcommercialbanks.Keywords:YuEbao;yield;LS-SVM;EEMD-LSSVM;short-termforecast第1章前言第L1节研究的背景与意义由蚂蚁金服携手天弘基金于2013年共同推出的互联网理财创新产品余额宝,以其高收益、低门槛、高安全性等优势横空出世,而2013年也因此被普遍认为是中国“互联网金融”的元年。余额宝借助互联网这一庞大的势力上线一年后,不仅让国人养成了良好的理财意识和习惯,同时激发了金融行业的创新势头,有力地加快了利率市场化的脚步。当前互联网金融行业的迅猛发展引来了社会各领域的高度关注,以余额宝为代表的互联网理财产品如雨后春笋般发芽崛起,它们正悄无声息地改变着传统金融的模式,不断地渗入各种消费场景,为用户带来了更多的便捷与无限的惊喜。余额宝的实质为天弘基金以公募方式筹资的一种货币基金一一“增利宝”。通过支付宝的平台,用户只需将支付宝中的余额或者银行卡中的金额转入余额宝,每天便会根据当天的收益率产生相应的利息收益。这样一个转入资金并产生利息的过程,实质是购买天弘基金“增利宝”的过程。与此同时,用户还可以随时随地不受任何限制地将余额宝中的空闲资金进行支出,非常地便捷。余额宝以电子商务的强流动性以及极简的用户体验优势快速席卷全国,推出18天后便拥有了66亿的公募规模,250多万的用户,当即成为了全国用户量最大的货币基金。2014年1月底,其累计申购的货币基金的总量超过了2500亿元,成为了我国规模最大的公募货币基金。截至2017年第一季度末,余额宝的公募规模已突破万亿元,超越了掌管1500亿美元的美国政府货币基金摩根大通(JPMOrgan),跃升为全球最大的货币基金。在目前的公募基金年利润排行榜中,天弘基金稳居第一,其后还有易方达基金、嘉实基金、华夏基金、工银瑞信基金等等。值得一提的是,虽然排名后几位的基金年利润均超过了80亿元,但没有一家超过130亿元,而天弘基金以166.62亿元位居榜首,由此可见余额宝的地位还远远无法撼动。然而,余额宝的诞生无疑是对传统金融行业的一大冲击,尤其是商业银行。目前商业银行最为主要的资金来源便是储蓄存款,而活期存款更是重中之重。在流动性以及安全性方面,基于T+0运作模式的余额宝与其不相上下,然而在收益方面,余额宝却比它高出了许多。这导致了大量的“存款搬家”,也使余额宝成为了商业银行在资金来源方面的重要竞争对手。在余额宝如此强大的资金集聚力的带动下,各大商业银行也推出了一些与余额宝类似的“宝宝”理财产品

    注意事项

    本文(基于最小二乘支持向量机的余额宝收益率短期预测研究分析计算机科学与技术专业.docx)为本站会员(王**)主动上传,优知文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知优知文库(点击联系客服),我们立即给予删除!

    温馨提示:如果因为网速或其他原因下载失败请重新下载,重复下载不扣分。




    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    copyright@ 2008-2023 yzwku网站版权所有

    经营许可证编号:宁ICP备2022001189号-2

    本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。优知文库仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知优知文库网,我们立即给予删除!

    收起
    展开