自1990年中國A股市場誕生以來,隨著我國金融改革的不斷深化,中國金融市場的不斷完善,越來越多的投資者選擇進入股票市場進行理財投資。然而由于金融市場中的股票價格是一種極其復雜的非線性系統,再加之A股市場還并未十分完善,因此對A股市場的研究以及股票價格的預測一直是金融界及學術界研究中的焦點。為了能夠更加準確地對股票市場進行分析及預測,國內外學者采用過眾多經典的經濟學模型進行建模,然而由于經典的經濟學模型所能包含的維度一般偏低,無法包含股票市場中的系統性信息,對股票市場中復雜多樣的變化適應力較差。Bernanke(2005)為了解決VAR模型在面對宏觀經濟問題時由于模型本身的局限性導致無法包含高維度信息的問題,提出了Factor Augmented Vector Autoregression。本文借鑒該模型的理論基礎,將該模型應用在股票市場的研究上,利用主成分分析的方法從股票市場中提取出能夠代表環境特征的特征因子。并將其與標準VAR模型結合,成功解決了標準VAR模型由于模型局限性而無法包含股票市場中系統性信息的缺陷。在此基礎上,為了能夠進一步利用股票市場中所存在的不同股票間的相關性這一微觀...

【文章頁數】：63 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 引言
    第一節 本文研究背景及意義
        一、研究背景
        二、研究意義
    第二節 研究內容及研究框架
        一、研究內容
        二、研究框架
第二章 文獻綜述
    第一節 A股市場相關研究
    第二節 向量自回歸模型及其擴展模型的相關研究
        一、向量自回歸模型的提出及其缺陷
        二、FAVAR模型的提出及其應用
    第三節 GOGA算法的提出及應用
    第四節 深度學習模型在股票市場中的發展及應用
第三章 理論介紹
    第一節 FAVAR模型
    第二節 GOGA模型
    第三節 GOGA-FAVAR模型估計及預測
    第四節 LSTM模型
第四章 模擬實驗
    第一節 環境特征因子模擬
    第二節 目標預測器因子模擬
    第三節 模擬實驗總結
第五章 實證分析
    第一節 實證數據的選取及預處理
    第二節 因子的獲取與分析
    第三節 VAR、FAVAR以及GOGA-FAVAR模型的實證分析
        一、VAR、FAVAR以及GOGA-FAVAR模型在A股市場中的實證應用
        二、VAR、FAVAR以及GOGA-FAVAR模型的實證結果分析
    第四節 引入LSTM模型后的實證分析
        一、VAR、FAVAR以及 GOGA-FAVAR模型的局限性及 LSTM模型的引入
        二、LSTM模型的實證應用及結果分析
第六章 總結
    第一節 研究結論
    第二節 研究創新及研究貢獻
        一、研究創新
        二、研究貢獻
    第三節 研究局限及進一步研究方向
參考文獻
致謝
個人簡歷及在學期間發表的研究成果



本文編號：3991971