上证指数的基于小波的NN-GARCH模型及实证研究  

NN-GARCH MODEL AND EMPIRICAL RESEARCH OF THE SHANGHAI INDEX BASED ON THE WAVELET ANALYSIS

作　　者：王若星[1] 张德生[1] 彭潇熟[1] 

机构地区：[1]西安理工大学理学院,陕西西安710054

出　　处：《陕西科技大学学报（自然科学版）》2011年第3期142-146,150,共6页Journal of Shaanxi University of Science & Technology

基　　金：国家自然科学基金项目(编号:50779052)

摘　　要：GARCH模型可以有效地消除时间序列的异方差性,小波多分辨分析可以去除偶然因素造成的噪声影响,而加入神经元可以更好的利用神经网络的特性来拟合数据的非线性.作者综合利用GARCH模型、小波多分辨分析和神经网络的上述特性,对上证指数建立了基于小波的NN-GARCH模型并进行了实证研究.实证研究结果表明:加入神经元的小波GARCH模型的预测效果比只含有神经元的GARCH模型的预测效果好,同时,只含有神经元的GARCH模型的预测效果优于单纯的GARCH模型的预测效果.GARCH model can effectively eliminate the time-series heteroscedasticity, wavelet multiresolution analysis to remove noise caused by accidental factors, adding neurons can make better use of neural networks to fit the characteristics of the nonlinear nature of the data. This paper utilization GARCH model, wavelet multi-resolution analysis and neural network properties mentioned above, then established NN-GARCH mode based on wavelet on the Shanghai index for empirical study. The results show that： the forecasts of the model GARCH that contains the wavelet neuron and adds wavelet are better than others.

关 键 词：上证指数 GARCH模型 小波多分辨分析 神经网络 

分 类 号：O211.64[理学—概率论与数理统计] F224.0[理学—数学]