基于深度神经网络结构的互联网金融市场动态预测

赵洪科 吴李康 李 徵 张 兮 刘 淇 陈恩红

1(天津大学管理与经济学部 天津 300072)2(大数据分析与应用安徽省重点实验室(中国科学技术大学) 合肥 230027)

互联网金融(Internet finance, ITFIN)[1]是指传统金融机构与互联网企业利用互联网技术和信息通信技术等实现资金融通、支付、投资和信息中介等服务的新型金融业务模式.其中，网络小额借贷(peer-to-peer lending or P2P lending)[2-5]和众筹(crowdfunding)[6-7]是互联网金融中2种发展比较成熟的模式.例如网络借贷中的Lendingclub,Prosper、人人贷等，众筹中的 Indiegogo,Kickstarter和国内的众筹网等.最近几年，国内互联网金融市场持续保持着指数级的增长速度，2017年中国已超越美国成为全球最大的网络借贷交易市场，网贷平台综合成交量达1 163.98亿元[7].根据世界银行预测，2025年全球众筹市场规模将达到3 000亿美元；发展中国家将达到960亿美元，其中我国将占52%[8].

互联网金融快速发展的背后却存在着政策滞后、监管缺失和相关研究不足的问题，导致了行业乱象、平台停业、清盘等频繁发生.追踪和预测市场动态(例如日交易量)可以及时推测和把握平台的系统风险，对用户和平台管理都有极重要意义.然而，在互联网环境中，金融市场的流动性增强、易变性更高，使得金融市场的动态跟踪和预测变得十分困难.并且，网络环境下影响变量增多，多种序列的耦合关系更加复杂.例如对具体互联网金融市场，除市场宏观动态序列以外，平台下各种类别金融子市场的动态对平台整体动态也有显著影响.

传统的金融时间序列预测算法……