暂无评论
这项研究的目的是确定信贷风险管理与金融市场指标之间的关系。 研究问题概括如下：信用风险管理指标是否会影响私人银行的金融市场指标？ 该研究基于两个基本假设：信贷风险管理与金融市场指标之间存在显着的相关性
中国，世界第二大经济体，已经成为在线金融交易业务蓬勃发展的最新战场“ fordotcom”公司。 传统的CAPM不能成功地对在线金融资本资产进行定价，但没有对在线资本资产进行定价的理论。 本文建立了交
电力市场的自由化使人们越来越需要了解电力，金融和能源商品市场之间的波动性和相关性结构。 这项工作揭示了这些市场之间相关模式的结构性变化的存在，并将这些变化与市场中普遍存在的基本面和监管条件以及当前的欧
用EGARCH-SGED预测股市波动率，梁岩，卢丑丽，本文用正态分布下的指数GARCH(EGARCH-N)模型和有偏的广义误差分布(SGED)下的指数GARCH(EGARCH-SGED)模型，研究了收
市场营销人员经常需要对未来销售情况进行预测，基于回归分析的预测模型成为了一种常见的解决方案。本文将通过一个案例研究，介绍如何使用回归分析构建预测模型。我们将重点介绍如何使用历史销售数据，构建回归模型，
对比分析了三类已实现波动率异质自回归模型，研究了基于异质市场理论、赋权已实现波动率以及连续-跳跃成分分离的模型。为了进一步完善模型，构建了在杠杆效用下带修正跳的隔夜赋权已实现波动率异质自回归模型。通过
本文档介绍了如何对收益率进行时间序列分析，并用garch模型对波动率进行预测
该学士学位论文深入研究了金融市场风险的定量度量方法，并以Matlab为工具进行了实现。通过对金融市场风险的深刻分析，本文采用了多种定量评估方法，以确保对各类风险的全面认知。在研究中，历史数据为基础的风
针对Elman神经网络模型，通过引入时间权重与随机性因素，提出了改进的Elman神经网络模型，提高了现有Elman神经网络针对时序数据预测的精度。提出了基于时序数据的特征学习框架，可评估多个特征参数对
针对金融时间序列预测的复杂性和长期依赖性，提出了一种基于深度学习的LSTM神经网络预测模型。利用堆叠去噪自编码从金融时间序列的基本行情数据和技术指标中提取特征，将其作为LSTM神经网络的输入对金融时间
暂无评论