基于人工智能算法的上海銀行間同業(yè)拆放利率預(yù)測(cè)

1、分類(lèi)號(hào)： 分類(lèi)號(hào)： 密級(jí)： 密級(jí)： 專(zhuān) 業(yè) 學(xué) 位 研 究 生 學(xué) 位 論 文 論文題目（中文） 論文題目（中文） 基于人工智能算法的上海銀行間 基于人工智能算法的上海銀行間 同業(yè)拆放利率預(yù)測(cè) 同業(yè)拆放利率預(yù)測(cè) 論文題目（外文） 論文題目（外文） The Artificial-intelligence-algorithms-based Predi

2、ction about the Shanghai Interbank Offered Rate 研 究 生 姓 名 研 究 生 姓 名 林 慶 添 學(xué) 位 類(lèi) 別 學(xué) 位 類(lèi) 別 應(yīng)用統(tǒng)計(jì) 應(yīng)用統(tǒng)計(jì) 專(zhuān) 業(yè) 學(xué) 位 領(lǐng) 域 專(zhuān) 業(yè) 學(xué) 位 領(lǐng) 域 學(xué) 位 級(jí) 別 學(xué) 位 級(jí) 別 碩 士 校內(nèi)導(dǎo)師姓名、 職稱(chēng) 校內(nèi)導(dǎo)師姓名、 職稱(chēng) 嚴(yán)定琪 嚴(yán)定琪 副教授 副教授 校外導(dǎo)師單位、 姓名 校外導(dǎo)師單位、 姓名 論文工作起止年月

3、 論文工作起止年月 2015 年 3 月至 月至 2016 年 4 月 論 文 提 交 日 期 論 文 提 交 日 期 2016 年 4 月 論 文 答 辯 日 期 論 文 答 辯 日 期 2016 年 5 月 學(xué) 位 授 予 日 期 學(xué) 位 授 予 日 期 校址：甘肅省蘭州市 校址：甘肅省蘭州市 I 基于人工智能算法的上海銀行間同業(yè) 基于人工智能算法的上海銀行間同業(yè) 拆放利率預(yù)測(cè) 拆放利率預(yù)測(cè) 摘

4、 要 同業(yè)拆放利率是銀行同業(yè)間在貨幣市場(chǎng)上融通資金的利率。 作為市場(chǎng)化核心利率，上海銀行間同業(yè)拆放利率（Shibor）能準(zhǔn)確、及時(shí)地反映貨幣市場(chǎng)的資金供求關(guān)系，其變動(dòng)會(huì)迅速傳導(dǎo)和影響我國(guó)金融市場(chǎng)。因此，預(yù)測(cè) Shibor 的波動(dòng)和走勢(shì)具有重要意義。 本文從兩個(gè)時(shí)間維度上對(duì) Shibor 的隔夜品種進(jìn)行研究和預(yù)測(cè)，分別是日波動(dòng)和月走勢(shì)。隔夜 Shibor 日數(shù)據(jù)的預(yù)測(cè)中，首先建立基于 BP 神經(jīng)網(wǎng)絡(luò)算法的對(duì)照性預(yù)測(cè)模型，接著將小波神經(jīng)網(wǎng)絡(luò)

5、應(yīng)用于預(yù)測(cè)中，發(fā)現(xiàn)效果更好。進(jìn)一步提出基于布谷鳥(niǎo)搜索（CS）優(yōu)化的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，提高了預(yù)測(cè)精度，較好地?cái)M合了隔夜 Shibor 的日波動(dòng)。預(yù)測(cè)隔夜 Shibor 的月均值時(shí)，從影響利率走勢(shì)的因素出發(fā)， 預(yù)選取 9 個(gè)指標(biāo)并進(jìn)行相關(guān)性檢驗(yàn)， 建立回歸型支持向量機(jī) （SVR）預(yù)測(cè)模型。利用粒子群優(yōu)化算法（PSO）改進(jìn) SVR 算法，建立 PSO-SVR 預(yù)測(cè)模型，提高預(yù)測(cè)精度，模型基本可以對(duì)隔夜 Shibor 的走勢(shì)進(jìn)行預(yù)測(cè)。 針對(duì)