4、利用神经网络预测新兴市场指数

利用神经网络预测新兴市场指数

1. 引言

神经网络模型在评估和解决商业问题方面应用广泛，涵盖会计、金融等多个领域，且在处理商业问题时，其表现通常优于传统统计预测模型。然而，在金融时间序列预测中，标准神经网络的表现并不理想，准确率往往在 60% 及以下。

造成这种情况的原因主要有：时间序列具有动态性，静态模型难以有效表征；根据弱式有效市场假说，金融时间序列本质上是随机游走的，难以预测；当前神经网络设计理念未能准确捕捉时间序列建模所需的知识。不过，通过使用最新数据对模型进行再训练，可以克服静态模型的局限性。

在神经网络设计中，通常采用同质输入数据集，但研究表明，包含时间序列及其他相关数据值的异质数据集，对提高金融时间序列神经网络的预测性能至关重要。随着全球经济的发展，各经济体之间的相互作用日益增强，新兴资本市场由于交易清淡和信息效率低下，外部信号可能对其表现产生重大影响。因此，将外部全球市场信号纳入神经网络输入向量，有望提高新兴市场的预测性能。

2. 背景

2.1 市场低效性

新兴市场对投资者的吸引力不断增加，但关于新兴市场是否低效存在不一致的结果。一些研究表明，新兴市场交易清淡、金融信息不足，可能导致市场效率低下。然而，新兴太平洋沿岸市场似乎不存在长期协整效应。

可以通过非参数游程检验和方差比检验来验证市场是否遵循随机游走模型。Urrutia（1995）和 Huang（1995）分别对南美和亚洲市场进行了检验，结果显示部分市场不遵循随机游走模型。但 Walczak（1999）对新加坡市场的检验表明，该市场符合有效市场假说。

尽管新兴市场可能是有效的，但利用金融信息的不足仍可能