×
拉贾什里·达什；Dash，P.K。；兰吉塔·比索伊

基于差分调和搜索的混合区间2型模糊EGARCH模型用于股市波动性预测。 （英语） Zbl 1329.91149号

国际J近似推理 59, 81-104 (2015).
摘要：本文提出了一种新的混合模型，将区间2型模糊逻辑系统（IT2FLS）与计算效率高的函数链人工神经网络（CEFLANN）和指数广义自回归条件异方差（EGARCH）集成在一起该模型用于准确预测和建模随时间变化的方差财务数据。该模型表示为IT2F-CE-EGARCH，通过与区间类型2 TSK-FLS的二级隶属函数和CEFLANN的功能扩展和学习组件联合估计类EGARCH杠杆效应、杠杆效应的非对称冲击的重要特征，有助于增强EGARCH模型的能力。与类型1 FLS相比，具有IT2FLS上限和下限的二级隶属函数提供了一个预测区间，用于处理波动率预测中涉及的更复杂的不确定性。通过两个隶属函数，即固定均值高斯函数、不确定方差高斯函数和固定方差和不确定均值高斯函数，观察了该模型的性能。该模型还与其他几种基于四个性能指标的模糊时间序列模型和GARCH族模型进行了比较：MSFE、RMSFE、MAFE和Rel-MAE。再次，提出了一种差分和谐搜索（DHS）算法来优化所有模糊时间序列模型的参数。结果表明，与BSE Sensex和CNX Nifty数据集上的所有其他指定模型相比，所提出的IT2F-CE-EGARCH模型在波动率预测性能上有显著改进。

引用于三文件

MSC公司：

91克70 统计方法；风险措施

关键词：

波动性预测；股票市场；埃及；1型和2型模糊EGARCH模型；函数链接神经网络；微分和声搜索
PDF格式BibTeX公司 XML格式引用
\textit｛R.Dash｝et al.，Int.J.近似推理59，81-104（2015；兹bl 1329.91149）
全文： 内政部

参考文献：

[1] Millan，D.M。；斯皮特，A。；Gwilym，O.，预测英国股市波动，应用。财务。经济。，1435-448（2000年）
[2] 黄，P.S。；Granger，C.W.J.，《金融市场波动预测：综述》，J.Econ。点燃。，41, 2, 478-539 (2003)
[3] Glosten，L.R。；Jagannathan，R。；Runkle，D.E.，《关于股票名义收益率的期望值和波动性之间的关系》，《金融杂志》，48，1779-1801（1993）
[4] 拉马萨米，R。；Munisamy，S.，GARCH、GJR和EGARCH模型的预测准确性选择汇率应用，Glob。J.管理。公共汽车。第12、15、1-13号决议（2012年）
[5] 欧，P。；Wang，H.，基于GARCH、EGARCH和GJR模型的高斯过程建模和预测股市波动，（世界工程大会论文集（2011）），338-342
[6] Cheng，C.H。；Wei，L.Y.，基于多库存指数的波动率模型，TAIEX预测，专家系统。申请。，36, 6187-6191 (2009)
[7] Esfahanipour，A。；Aghamiri，W.，基于间接方法TSK模糊规则库的自适应神经模糊推理系统，用于股市分析，专家系统。申请。，37, 4742-4748 (2010)
[8] 博亚西奥格鲁，硕士。；Avci，D.，《股票市场收益预测的自适应网络模糊推理系统（ANFIS）：伊斯坦布尔证券交易所案例》，专家系统。申请。，37, 7908-7912 (2010)
[9] Wang，C.P。；Lin，S.H。；Huang，H.H。；Wu，P.C.，使用神经网络预测不同波动率模型下的TXO价格，专家系统。申请。，39, 5025-5032 (2012)
[10] 李，C。；Chiang，T.W.，《智能金融时间序列预测：具有多温智能的复杂神经模糊方法》，《国际应用杂志》。数学。计算。科学。，22, 4, 787-800 (2012) ·Zbl 1286.91149号
[11] 唐，L.B。；唐立新。；Sheng，H.Y.，基于小波支持向量机的波动性预测，专家系统。申请。，36, 2901-2909 (2009)
[12] Feng，H.M。；Chou，H.C.，进化模糊股票预测系统设计及其在台湾股指中的应用，国际创新期刊。计算。信息控制，8，9，6173-6190（2012）
[13] Wang，P.，用支持向量回归和带跳跃的随机波动率模型定价货币期权，专家系统。申请。，38, 1-7 (2011)
[14] 侯赛因，A。；Nasser，M.，《基于递归支持和相关向量机的模型及其在预测金融收益波动性中的应用》，J.Intell。学习。系统。申请。，3230-241（2011年）
[15] 阿比耶夫·R·H。；Abiyev，V.H.，《股票价格预测模糊小波神经网络的微分评估学习》，J.Inf.Compute。科学。，7, 2, 121-130 (2012)
[16] Lu，C.H.，动态系统辨识和预测控制的小波模糊神经网络，IEEE Trans。Ind.Electron公司。，58, 7, 3046-3058 (2011)
[17] 哈吉扎德，E。；塞菲，A。；Zarandi，M.H.F。；Turksen，I.B.，《预测标准普尔500指数收益波动性的混合建模方法》，专家系统。申请。，39, 431-436 (2012)
[18] Roh，T.H.，《股票价格指数波动性预测》，专家系统。申请。，33, 916-922 (2007)
[19] Tarsauliya，A。；卡拉·R。；蒂瓦里，R。；Shukla，A.，《使用进化混合人工神经网络预测金融时间序列波动率》，Adv.Netw。安全。申请。Commun公司。计算。信息系统。，196, 463-471 (2011)
[20] Hung，J.C.，应用组合模糊系统和GARCH模型自适应预测股市波动，Appl。软计算。，11, 3938-3945 (2011)
[21] 马谢尔，L.S。；F.A.C.戈米德。；Ballini，R.，《金融波动建模和预测的演变模糊GARCH方法》，《Encontro Nat.Econ》。ANPEC，1-16（2012）
[22] Hung，J.C.，在模糊-GARCH模型下使用稳健卡尔曼滤波器预测波动性，（国际商业与信息会议（2013）），166-177
[23] Maciel，L.，一种用于股市波动性预测的混合模糊GJR-GARCH建模方法，Braz。财务评论，10，3，337-367（2012）
[24] 侯赛尼，R。；卡纳德利，S.D。；巴曼，S。；马齐纳尼，M。；Ellis，T。；Dehmeshki，J.，用于肺部CAD分类系统的学习和调整高斯区间2型模糊隶属函数的自动方法，IEEE Trans。模糊系统。，20, 2, 224-234 (2012)
[25] 达摩，A。；罗班迪，I。；Purnomo，M.H.，区间2型模糊逻辑系统在特殊日短期负荷预测中的应用，IPTEK J.Technol。科学。，22, 2, 110-116 (2011)
[26] Zarandi，M.H.F。；Faraji，M.R。；Karbasian，M.，用于预测超大城市一氧化碳浓度的区间2型模糊专家系统，Appl。软计算。，12, 291-301 (2012)
[27] 建民，X。；Yanfang，S。；洪杰，L.，基于区间2型模糊神经网络的短期交通流预测方法，（第27届中国控制会议论文集（2008）），406-410
[28] Saima，H。；贾法尔，J。；Belhaouari，S。；Jillani，T.A.，基于ARIMA的区间2型模糊预测模型，国际计算杂志。申请。，28, 3, 17-21 (2011)
[29] Chakravarty，S。；Dash，P.K.，基于粒子群算法的集成功能链接网络和区间2型模糊逻辑系统，用于预测股市指数，应用。软计算。，12, 931-941 (2012)
[30] Ali，G.、ARCH、GARCH和ARMAX模型，用于预测海洋娱乐场所的病原体指标和建议，Mar.Resour。经济。，26, 211-224 (2011)
[31] Amiri，E.，《德黑兰股市的贝叶斯波动率预测》，（国际金融理论与工程会议（2010）），80-84
[32] 梁，Q。；孟德尔，J.M.，《区间2型模糊逻辑系统：理论与设计》，IEEE Trans。模糊系统。，8, 5, 535-550 (2000)
[33] 孟德尔，J.M。；约翰·R·I。；Liu，F.，《区间2型模糊逻辑系统简化》，IEEE Trans。模糊系统。，14, 6, 808-821 (2006)
[34] Juang，C.F。；卢，C.F。；曹永伟，用于非线性系统辨识的自解区间2型模糊神经网络，（第十七届世界大会论文集（2008）），7588-7593
[35] Chen，C.H。；Lin，C.J。；Lin，C.T.，用于非线性系统控制的基于功能链接的神经模糊网络，IEEE Trans。模糊系统。，16, 5, 1362-1378 (2008)
[36] 比索伊，R。；达什，P.K。；巴迪，V。；Naeem，M.H.，《使用计算效率高的神经网络在能源市场中挖掘电价》（IEEE能源、自动化和信号国际会议（ICEAS）（2011年）），1-5
[37] Lee，K.S。；Geem，Z.W.，《用于连续工程优化的新型元神经算法：和谐搜索理论与实践》，计算。方法应用。机械。工程，194，3902-3933（2005）·兹比尔1096.74042
[38] 迪奥·R。；Shen，Q.，和声搜索的特征选择，IEEE Trans。系统。人类网络。，42, 6, 1509-1523 (2012)
[39] 吴，B。；钱，C。；Ni，W。；Fan，S.，用于全局优化问题的混合和谐搜索和人工蜂群算法，计算。数学。申请。，642621-2634（2012年）·Zbl 1268.90164号
[40] 袁，Y。；Xu，H。；Yang，J.，柔性车间调度问题的混合协调搜索算法，应用。软计算。，13, 3259-3272 (2013)
[41] Lee，S。；Mun，S.，使用改进的和谐搜索算法改进沥青动态模量模型，专家系统。申请。，41, 3856-3860 (2014)
[42] 库卢克，S。；Ozbakir，L。；Baykasoglu，A.，用和谐搜索算法训练神经网络以解决分类问题，工程应用。Artif公司。智力。，25, 11-19 (2012)
[43] Poursalehi，N。；Zolfaghari，A。；Minuchehr，A.，优化压水堆加载模式的差分谐波搜索算法，Nucl。工程设计。，257, 161-174 (2013)
[44] 查克拉波蒂，P。；罗伊·G·G。；达斯，S。；Jain，D。；Abraham，A.，一种改进的带差分变异算子的和声搜索算法，Fundam。通知。，95, 1-26 (2009)
[45] Quin，A.K。；福布斯，F.，《基于差异突变的音高调整和谐搜索》（第十三届遗传与进化计算年会（2011）），545-552
[46] 阿鲁尔河。；拉维，G。；Velusami，S.，基于混沌自适应微分和谐搜索算法的动态经济调度，国际电工杂志。电力能源系统。，50, 85-96 (2013)
[47] Wang，L。；Li，L.P.，解决非凸经济负荷分配问题的有效微分和谐搜索算法，国际电工杂志。电力能源系统。，44, 832-843 (2013)
[48] Hansen，P.R.，《卓越预测能力测试》，J.Bus。经济。《法律总汇》第23、4、365-380页（2005年）
[49] Hansen，P.R。；Lunde，A.，波动率模型的预测比较：有什么比GARCH（（1，1））更好吗？，J.应用。经济。，20, 873-889 (2005)
[50] 拉赫曼，M。；拉赫曼，A。；侯赛因，A.，固定参数分布假设下预测股票指数的波动率建模，J.Appl。金融银行。，3, 1, 109-122 (2013)
[51] Almaraashi，M。；约翰·R。；库普兰，S。；Hopgood，A.，使用模拟退火调谐的TSK模糊系统的时间序列预测，（IEEE国际模糊系统会议（FUZZ）（2010）），1-6
[52] Almaraashi，M。；John，R.，通过模拟退火调整模糊系统以预测带有附加噪声的时间序列，（英国计算智能研讨会（UKCI）（2010）），1-5
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。