3、利用人工神经网络预测股票收益

利用人工神经网络预测股票收益

1. 引言

在过去二十年，金融市场环境发生诸多变化，投资者愈发依赖先进计算机算法和技术进行投资。人工神经网络（ANNs）作为备受关注的技术，能在紧凑域上以任意指定精度逼近非线性连续函数，且无需对生成过程性质做先验假设，这使其在证券投资和金融领域具有重要应用价值。

2. 背景

股票收益预测是重要金融课题，成功预测可带来丰厚回报，但因受多种因素影响且数据存在噪声、不确定性和不完整性，预测难度较大。传统的基本面分析和技术分析多基于线性假设，但实际股票收益与金融经济变量并非完全线性关系，非线性模型可能更有助于解释残差方差和提供可靠预测。ANNs作为数据驱动方法，无需预先指定模型，能独立学习变量间关系，适合进行非线性建模。

3. 问题与研究方法

相关文献对ANNs在股票收益预测中的应用存在不同观点。部分研究认为ANNs不如传统线性模型，而另一些研究则表明其在处理非线性问题上表现出色。本文将从数据集、输入变量、ANN方法、模型增强和性能评估等方面，对已发表文章中的相关研究方法进行探讨。

4. 数据集

• 单市场指数研究 ：众多研究使用ANNs对单一股票市场指数的收益进行预测，如标准普尔500指数（S&P 500）和道琼斯工业平均指数（DJIA）等。具体如下表所示：
  | 指数 | 文章 |
  | — | — |
  | 泛欧巴黎证券交易所（CAC） | Refenes等（1997） |
  | 德国证券交易所（DAX） | Hochreiter等（1997），Siekmann等（2