基于过程神经网络的衍生金融工具风险预警模型研究

针对衍生金融工具存在的巨大风险及其风险的复杂性与非线性,采用过程神经网络对衍生金融工具的风险建立预警模型,以实现衍生金融工具风险及时、有效预警,有助于认识和理解衍生金融工具潜在风险,作好风险防范。     

浅议衍生金融工具会计

我们生活在一个不确定性日益增强的经济环境中,规避风险,寻求安全是人类共同的需要,衍生金融工具应运而生。衍生金融工具是一种金融合约,其价值取决于现货市场上一种或多种资产或资产指数的价值,是在基础金融工具上派生出来的,包括以基础金融工具(货币,票据。债权性债券,权益性债券,应收帐款,应付帐款等)为交易对象的期货、期权、远期、互换及其他有类似特征的金融工具。其作用主要是避险与投机。例如:签定远期外汇合同规避外币资产或外币负债因汇率变动遭受的损失;在股市趋跌的预期下卖空股价指数期货对手头持有的股票组合进行套期保值。一…     

基于多分类器投票表决组合的私募股权投资风险预测度研究

私募股权投资基金是一种新型衍生金融投资工具,因其非公开发行与私下募集的特性,从而具有较高的投资风险。为了监测私募股权基金投资的不确定性所诱发的潜在风险,采用了多分类器投票表决组合方法构建了风险预测模型,通过改进和优化投票表决规则来提高组合分类器对不同数据类别模式的识别能力,将统计小样本测试后得到的单个分类器识别性能的先验知识作为投票表决的根据,通过投票表决时每个类别的表决阈值设置来提升组合的预测效果。在模型构建的基础上,选取了清科集团(Zero2iPo)发布的年度私募股权相关投资案例作为对象进行仿真模拟,仿真结果显示,所构建的组合预测模型具有显著的优越性,能够大幅提高私募股权投资风险预测的准确率。     

基于改进的AdaBoost算法的信用评分模型

将AdaBoost组合算法应用于信用评分模型中的分类问题,并针对该算法在解决不平衡分类问题上的一些不足,对算法进行了改进。应用此改进的AdaBoost算法,创建了新的信用评分模型,并进行了实证分析。实证结果表明,基于改进的AdaBoost算法的信用评分模型可以有效降低由于模型错判而导致的损失。     

基于组合决策树的急诊等待时间预测

文章选择华西医院急诊科为研究对象,使用CHAID、C&RT、REPTree三种决策树算法预测急诊等待时间,并通过BP神经网络对上述模型进行组合,得到组合模型.通过比较分析以上四种模型后,发现影响等待时间的关键因素主要是科室、挂号时间段、队列人数、月份,并且组合模型的预测效果最优.     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

对金融衍生工具在我国推出、实行的经济学分析

金融衍生工具,就是在传统的金融工具基础上衍生出来的,通过预测股价、利率、汇率等未来行情走势,采用支付少量保证金或权利金签订远期合同或互换不同金融商品等交易形式的新兴金融工具.金融衍生工具作为国际金融业的新生事物,是市场经济发展到一定阶段的必然选择.对它们进行分析,对其在我国推出、实行的条件分析具有重要意义.     

基于首末位质量因子的BP神经网络财务风险预警模型

上市公司往往存在粉饰财务数据来美化企业经营状况的动机,这会降低财务风险预警模型预测的准确性。文章利用Benford律和Myer指数两种数据质量评估方法,构建Benford和Myer质量因子,引入BP神经网络模型,构造BM-BP神经网络财务风险预警模型;并进一步利用2000—2019年中国A股上市公司数据,评价数据质量因子对财务风险预警模型预测准确性的影响,分析新模型预测准确性的稳定性。实证分析结果显示:Benford和Myer质量因子提高了BP神经网络财务风险预警模型预测的准确性;在不同质量因子的比较结果中,包含评选指标Benford和Myer质量因子的BP神经网络财务风险预警模型具有较高的预测准确率和较低的二类误判率,稳定性良好;利用决策树算法筛选指标有效提高了新模型的预测准确性。     

期权与可转换债券投资

期权，又称选择权，是指赋予其购买者在规定期限内按双方约定的执行价格购买或出售一定数量某种金融资产的权利的合约。提到期权，人们都知道它是一种衍生金融工具。同远期和期货等其他衍生金融工具一样，期权也是为满足规避金融风险的需要而产生的。期权和期货，通过事先锁定未来某一日期的交易价格，可以有效地规避市场价格朝不利方向变动所带来的风险，但同时却也失去了价格朝有利方向变动可能带来的好处。期权则既可以回避价格不利变动的风险，又可以保留价格有利变动的好处。正是由于这个原因，自1973年4月由美国芝加哥期权交易所(CB…     

一种求解基数约束投资组合优化的混合粒子群算法

如何有效求解基数约束投资组合优化问题,已成为金融学界近年来一直研究的热点.文章介绍了一种融合极值优化理论的混合粒子群优化算法(简称eo-PSO),利用极值优化方法(EO)以增强混合算法对搜索空间的挖掘能力,引入混沌变异算子提高粒子群(PSO)的探索能力.通过和其他一些智能计算方法对Markowitz基数约束投资组合优化目标函数的测试,以及应用风险范围理论的比较分析,结果显示混合粒子群算法具有良好的计算性能,其优化解也更具有效性.     

试论金融衍生工具会计与传统会计的区别

从会计学角度看,金融衍生工具,即指尚未履行或正在履行之中的契约,是一种由传统金融工具(例如现金、应收款项、应付款项以及权益性证券等初级工具(primaryinstruments)衍生而来的投资工具,或称金融衍生商品,目前它主要以期货、期权、调换为代表,通过对利率、汇率等因素变动趋势的预测以交付少量的保证金(或佣金)操作大额契约或互换不同的金融商品,掉期或买空、卖空的交易形式,对这些交易或投资范围、性质、时间、数量、金额等进行过程的控制、确认和计量的程序和方法以及由此而产生的一些理论框架,便是金融衍生工具会计。而传统会计是在社会…     

辩证地审视历史成本和公允价值

一、公允价值引起关注的背景 公允价值作为一个全新的计量属性概念,主要发端于上世纪80年代美国证券交易管理委员会与金融界之间,关于金融工具尤其是衍生金融工具确认、计量的论争.尽管金融工具的确认和计量问题至今尚未取得突破性进展,但对这些问题的讨论加深了人们对历史成本计量模式严重缺陷--缺乏相关性的认识.特别是80年代,美国2000多家金融机构因从事金融工具交易而陷入财务困境,但建立在历史成本计量模式上的财务报告在这些金融机构陷入财务危机之前,往往还显示"良好"的经营业绩和"健康"的财务状况.     

随机森林方法研究综述

随机森林（RF）是一种统计学习理论,它是利用bootsrap重抽样方法从原始样本中抽取多个样本,对每个bootsrap样本进行决策树建模,然后组合多棵决策树的预测,通过投票得出最终预测结果。它具有很高的预测准确率,对异常值和噪声具有很好的容忍度,且不容易出现过拟合,在医学、生物信息、管理学等领域有着广泛的应用。为此,介绍了随机森林原理及其有关性质,讨论其最新的发展情况以及一些重要的应用领域。     

基于数据挖掘的上市公司信用评级变动预测

文章研究如何利用机器学习算法来预测中国上市公司的信用评级变动.选取了中国2003-2015年可得信用评级的记录,得到330条信用评级变动的记录.随后利用包含传统的线性分类器和最近提出的AdaBoost及随机森林分类模型等五类模型进行了实证.实证结果显示,随机森林分类模型对信用评级变动的预测能力最强.     

基于投资者行为的资产配置研究

本文以Markowitz的投资组合理论为基础,从行为金融学的角度选取了风险规避程度、最大风险容忍度、类别股偏好和宏观经济景气状况判断等四个投资者行为属性,以香港证券交易所的中国企业指数成份股构建了投资者的最佳风险投资组合.     

“丝绸之路经济带”背景下哈萨克斯坦投资风险测度及预警研究

通过建立投资风险突变模型,构建七级投资风险预警表,对哈萨克斯坦国内1995—2014年的投资风险进行测度,研究结果认为:2008年以后哈萨克斯坦投资风险不断上升,其中2008年、2010年、2014年投资风险均达到突变级别。采用GM(1,1)模型和ARMA模型对2015-2017年哈萨克斯坦投资风险指标进行组合预测,并对预测结果进行预警分析,结果显示:2015年、2016年哈萨克斯坦综合投资风险较2014年有所下降,但2017年投资综合风险达到六级预警线以上,存在较大投资风险。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

FAR(p)与指数平滑的组合预测算法

一、引言 梅炽、姚俊峰等在<粗铜冶炼中铜铳品位的动态预测模式>一文中(见中南工业大学学报,2000,31(1):34-36)和邵义元在一文中(见鄂州大学学报,2002,9(4):38-39)提出了一种对铜统品位进行预测的方法,即以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.并将两种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的最优加权系数,建立一种新的组合模型,其预测误差最小.结果表明,在当时数据下,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高.本文在此基础上,对AR(p)与指数平滑组合预测模型做了改进,将AR(p)模型中的时间序列模糊化,便成为模糊时间序列,进而建立模糊时间序列AR(p)模型,即FAR(p)模型.从而提出一种新的组合预测模型--FAR(p)与指数平滑组合预测模型.最后将两种组合模型用于预测油田产油量,结果表明,FAR(p)与指数平滑组合预测模型比AR(p)与指数平滑组合预测模型有更高的预测精度.     

基于期权的产权流转价值评估

Black-Scholes期权定价模型奠定了期权定价理论的重要基础,在经济学中得到了广泛的接受,不仅应用于金融衍生工具价值的评估,还可用于矿业权价值和林权等价值的评估。衍生金融工具、矿业权、林权都属于特殊的产权资产,它们在流转过程中,只是使用权、收益权及风险发生部分转移。这类资产使用的期限比较长,具有看涨期权的性质。因此,文章探讨Black-Scholes模型运用于这类产权流转价值的评估。     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.