基于4类神经网络的国债利率期限结构预测
以2011年1月至2016年7月的国债月度数据为样本,研究了在利率期限结构预测中,反向传播神经网络(BPNN)、小波神经网络(WNN)、径向基神经网络(RBFNN)和广义回归神经网络(GRNN)4种网络中相关参数的设定对精度的影响,并对预测效果进行实证比较.研究结果表明:广义回归神经网络预测效果较好,反向传播神经网络预测结果波动性较小,小波神经网络和径向基神经网络预测结果波动性较大.
利率期限结构、预测、神经网络、参数优化
44
F830.9(金融、银行)
国家自然科学基金71631005;教育部人文社会科学研究规划基金16YJA630078
2017-06-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
113-118