龙源期刊网 https://www.wendangku.net/doc/b86216562.html,
基于智能神经网络组合预测的国债利率期限结构建模与实证
作者:董皓舒
来源:《中国市场》2010年第44期
[摘要]作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。
[关键词]组合预测;国债;利率期限结构;BP神经网络;指数函数回归
[中图分类号]F224.33 [文献标识码]A [文章编号]1005-6432(2010)44-0047-03
1 引言
国债的利率期限结构,是指国债的到期期限与其到期年收益率之间的关系。作为整个经济
活动的基准利率,国债的到期年收益率情况,全面而深刻地影响着市场上其他利率和资产的价格评估。因此,深入研究如何提高国债利率期限结构的预测准确度,将有助于资产定价、金融产品设计、资产保值和投资风险管理。
2 模型的引入
2.1 指数函数回归
投资活动的核算,通常连续复利方式来计算到期年收益率。假定投资者持有国债到期满,且国债利息的再投资年利率等于国债的到期年收益率,则采用指数函数形式来预测国债的到期年
收益率。
2.2 BP神经网络
BP神经网络采用Sigmoid激活函数的三层前馈网络结构,能够以任何精度模拟复杂的非线性系统。BP神经网络具有自学习和自适应的能力,通过预先提供的一批输入输出对应数据,就能够分析出两者之间的潜在映射规律,而无须事前揭露这种映射关系的数学方程。BP神经网络的拓扑结构包含输入层、隐含层、输出层。