论文部分内容阅读
证券市场是一个高风险高收益的投资市场,获取比较高的收益同时降低风险是投资者追求的目标,这就涉及到两个最基本的问题,一是选择何种证券;二是如何进行投资组合配置降低风险。本文的研究思路就此围绕上述两个问题展开,在传统和创新性理论的基础上充分运用先进的技术方法实现,主要经过分析、建模、求解及进行实证分析等几个过程并作出结论。世界上很多研究人员都在努力研究股市预测。在证券市场有效的前提下,证券价格随机游走,任何对证券的预测都是无效的。本文从理论和实践两个方面对我国证券市场有效性分析,得出我国证券市场至少在短期是可以预测的结论。然而存在许多高度相关的经济、政治、甚至心理因素影响着股市,而且这些因素以非常复杂的方式互相影响,因此预测股市动向通常是非常困难的。传统统计技术在处理非线性数据时具有较大的局限性,而股市数据又恰恰是非线性的。人工神经网络,一种包含许多简单的相互连接的计算单元(节点)的系统,已经展现出其分析非线性时间序列数据的能力。由于其自动化性能好,所以在没有广泛的市场数据或者知识情况下,同样可以得到有用的预测,因此人工神经网络的出现为非专业人员预测股市动向提供了有利的工具。本文探索运用非线性预测方法——BP神经网络模型建立一个基于量价的证券选择模型,并通过遗传算法(GA)与BP网络结合解决BP神经网络模型存在的一些致命的缺点(如容易陷入局部极小点)。证券选择模型仿真模拟实验结果表明,其优化方案比简单的BP网络更优,验证了该方法的正确性、高效性和实用性。该模型不仅为投资者提供了一种证券选择方式,丰富了投资者的证券选择手段,同时也为投资者提供了一种新的思路。由于模型是基于量价关系建立起来的,该模型实质上属于技术分析中的一种,因而投资者可以根据自身的知识、经验选择不同的技术指标参数建立更好的模型。此外,本文在经典的Markowitz证券投资模型的基础上,加入目前在金融领域中广泛应用的风险价值VaR,提出几种典型的投资组合