Professional Documents
Culture Documents
基于RBF模型和可公度法的股指时间窗口期研究
基于RBF模型和可公度法的股指时间窗口期研究
基于 RBF 模型和可公度法的股指时间窗口期研究
文守逊,黄文明
(重庆大学经济与工商管理学院,重庆 400044)
摘 要:股指时间窗口期对投资者选择投资时点极为重要。本文以我国上证综合指数波浪曲
线底部和顶位时间窗口期为研究对象,利用可公度法和 RBF 神经网络模型分析自 1991 年以来的上
证综合指数的特性并对其底部和顶位的时间窗口期进行预测。
可公度法;RBF 神经网络;时间窗口期;预测
关键词:
中图分类号:
F224 文献标识码:
A 文章编号:
1002-6487(2011)22-0149-03
假定 < Q > =
息系。借鉴翁文波院士(1996)提出可公度理论,
1 相关理论综述 < Q1,Q2,⋯,QN > 为股票指数顶位和底部转折点的时间
窗口期,某一股票指数变化的幅度为 Q ,以 X 在中截取到
1.1 股市中的可公度性理论 股票指数顶位和底部转折点的时间窗口期,定义可公度信息
可公度性是自然现象周期性的客观外在反映,是一种信 为:
在第一节中,已经得到期权价值公式 很多投资者(尤其是实力雄厚的投资者)具有风险中性——
D - U S er + U - D 预期收益和现实收益相同的情况下,哪怕前者有风险,对其
0
SU
V= 来说也不会改变其投资决策,这就使得以套利为目的的定价
1 - er
方法失效。其次是求解困难,假设存在三种情况,股价涨、跌
可以在推导过程中假设只购买一股期权和 Y 股股票,则
或不变,那么求解投资组合系数从线性代数角度是不可能
可将此式子改为 V = YS 0 + (u - YS u)e-r ,将(14)式代入上
的,因为三个方程和两个变量无法相互迭代,Joseph(2004)为
式,
可以得到:
了解决这个难题,特构建类似于本文中资产组合复制技术的
er S0 - S D
V = e-r [qU + (1 - q)d] 其中 q = 股票——债券组合模型,通过引入两个初始利率和股票,得
SU - S D
到三个未知数和三个联立方程,但作出了非常苛刻的假设
可以将 q 看作一种概率,是一定小于 1 大于 0 的一个数
(这种假设实际当中并非成立)。最后,期权定价一般是事后
字,如果 e r S 0 < S D ,即 q<0,则表示即使股价下跌,购买期权
操作,即以历史数据的可观测性为基础,否则预测的期权最
也是稳赚的,这种情况基本不可能出现;e r S 0 < SU 也是一定
优价值 U 是不准确的,因为股市波动非常剧烈,规律性对一
成立的,否则没有投资者会冒着风险获取小于等于无风险利
般投资者来说不明显。笔者提出一个思路:如果摈弃有效市
率报酬。这里还是可以理解为一场赌博,以最差情况为基
场假设理论,极力通过股价的历史序列进行时间序列模型建
准,获取最高利润当然是最理想的状况,但目前最有保障的
模,探讨出股价运行规律,在方程拟合优度非常良好的情况
是无风险利率收益,两者比例可视为获利概率。
下,可以采用预测值为股票到期日最大价格,克服了事后观
测操作的缺陷,也避免了因不同涨跌情况带来的预期值计算
4 总结
困难。
本文通过对三种金融衍生期权定价模型的推导,揭示了
参考文献:
二叉树模型下的定价规律,发现都具有概率路径性质,目前
[1](美)Joseph stampfli victor Goodman,蔡明超译,金融数学[M].北京:
代表性资产投资理论有均值——方差、资本资产定价、无风
机械工业出版社,2004.
险套利定价等方法。这些模型之间互有联系,或在假设上, [2]吴恒煜, 随机挽回率马尔可夫链模型下信用差价衍生品定价[J].
或在结果上。同时又存在着不同的优缺点,基于二叉树模型 系统工程,2006,(1).
的三种套利定价方法也不例外,首先是假设股票有两种情况 [3]郑振龙,金融衍生品的定价能力研究:以中国市场权证为例[J].商
——涨和跌,但在现实中不可能只有两种定价,可能有无数 业经济与管理,2010,(2).
种执行价格,那么简单的二叉树模型运用显得很局限;并且 (责任编辑/易永生)
y = f (X) = w 0 + ∑ w i κ( X - r i )
F10 1996.09.13(752) 69 F24 2008.10.28(1664) 215
(2)
i=1 F11 1996.12.25(856) 73 F25 2009.09.01(2640) 225
式中:X 表示输入向量, ∙ 表示欧氏距离,w i 是隐含 F12 1997.09.23(1025) 82 F26 2010.07.02(2319) 235
F13 1999.05.17(1047) 101
层第 i 个节点与输出节点之间的权值,w 0 是输出节点的偏
移量,r i 是隐含层第 i 个节点的中心向量。RBF 神经网络的 的,由 F1~F25 外推 F26。计算可知股票时间窗口序列中三元
其他自由参数,具体算法如下。 现出较强可公度性。限于篇幅,可公度式略。
N 计算结果与实际基本吻合,且每个结果都有三个以上的
定义目标函数:Z = 1 ∑e2k (3)
2 k=1 可公度式,从而说明上证股票指数具有良好的可公度性,由
其中,N 表示训练样本的个数,e k 是误差信号。 F1~F26 的实际的浪形底部时间窗口期预测下一次股票市场