互联网金融学论文提纲

论文题目：比特币价格的互联网和金融期货影响因素及预测方法研究

摘要：自人们对比特币进行交易开始,比特币呈现了价格波动大和价值难以衡量的特点,热度居高不下。同时,比特币底层技术区块链发展迅速、应用广泛为其带来更高的关注度。随着更多投资者进入,比特币引起了监管部门和学术界的关注,然而伴随而来的是多年来没有明确答案的问题:哪些因素会影响比特币价格?如何影响?另外,随着传统金融市场对比特币的接受程度提高,市场中机构参与者的增加也使得个人投资者更关注如何更好地进行投资决策的问题。本研究以比特币价格日数据与交易所的5分钟数据为研究样本,采用计量经济模型与机器学习模型,借鉴行为金融学的相关理论,从比特币为“具有强互联网特征的金融资产”的角度出发,分析互联网相关因素及金融期货对比特币价格的影响,并进行价格预测研究,具体研究内容如下:（1）从比特币的互联网特征出发,研究投资者关注与媒体效应对比特币价格的影响。比特币来源于互联网与计算机技术。人们获取与其相关的投资信息主要互联网渠道为网络搜索及媒体报道。网络搜索,媒体报道数量及情绪在不同时间长度内对比特币价格的影响作用不同。在短期,在线搜索量变化作为投资者主动弥补信息不足的渠道,包含了比特币价格的新信息,对比特币价格及收益波动有正向的预测作用。在长期,媒体报道情绪由于其延续性,对比特币价格变化的解释能力比在线搜索量变化与媒体报道量变化更强。（2）探讨比特币作为金融资产时,其金融衍生品的出现带来的影响。本文将比特币类比股票进行研究,发现在比特币市场上存在投资者不理性与过度反应的现象,导致其价格及收益变化,随后对比特币的互联网特征因素与金融资产因素的影响力进行了比较。当比特币期货将要推出的消息披露后,比特币价格先升后降,累积异常收益率先为正,后为负。比特币期货上市后,比特币市场波动率有显著提高。最后,相较于互联网相关因素,比特币期货对比特币价格变动的解释能力更强。（3）探讨人工智能方式辅助进行比特币的投资决策。本研究使用机器学习模型,结合了上述两部分内容研究的影响因素,在进行特征改进的同时,分别对比特币的日价格及5分钟价格进行趋势预测,并探索不同类型算法对数据及特征的适用性。本研究发现特征较多的比特币日价格预测上,线性模型比复杂程度更高的模型取得的效果更好。特征较少的比特币5分钟价格预测上,复杂程度更高的机器学习模型比线性模型效果更好;同时验证了互联网因素及比特币期货整体上能提升对特币价格的预测表现。本研究强调比特币具有互联网特征以及金融资产属性,丰富和扩展了比特币价格影响因素的相关理论和方法。本研究还将传统金融市场中的行为金融学相关理论延伸至数字货币领域,补充了关于比特币期货及使用机器学习方法对比特币进行价格预测的研究。本研究的主要发现可为未来对数字货币的规范化提供参考,助力监管部门应对这种前所未有的金融创新潜在的系统性风险,遏制不稳定因素,为评估引入比特币期货造成的影响提供参考,并辅助投资者了解比特币价格发展走向,以更好地进行投资决策。

关键词：比特币价格;互联网因素;比特币期货;机器学习;价格预测

学科专业：管理科学与工程

摘要

ABSTRACT

第1章 绪论

1.1 课题背景及研究目的与意义

1.1.1 研究背景

1.1.2 研究目的

1.1.3 研究意义

1.2 国内外研究现状及评述

1.2.1 比特币价格影响因素及定价

1.2.2 比特币价格预测

1.2.3 研究现状述评

1.3 研究内容与结构安排

1.3.1 研究内容

1.3.2 结构安排

1.4 研究方法及技术路线

1.4.1 研究方法

1.4.2 技术路线

第2章 相关理论及模型

2.1 比特币发展概述

2.2 比特币性质分析

2.3 行为金融学相关理论

2.3.1 有限注意力理论

2.3.2 投资者信息需求理论

2.3.3 市场过度反应理论

2.3.4 知情交易者理论

2.4 研究模型

2.4.1 向量自回归分析与预测误差方差分解

2.4.2 事件研究法

2.4.3 机器学习模型

2.5 本章小结

第3章 投资者互联网关注及媒体效应对比特币价格的影响

3.1 本章研究问题描述

3.2 研究假设提出

3.3 数据与变量

3.3.1 数据获取

3.3.2 模型主要变量介绍

3.4 实证分析

3.4.1 实证模型

3.4.2 数据描述与实证结果

3.5 讨论与启示

3.6 本章小结

第4章 比特币期货对比特币价格的影响

4.1 本章研究问题描述

4.2 研究假设提出

4.2.1 比特币期货上市消息公布对比特币价格的影响

4.2.2 比特币期货是否能降低比特币市场波动性

4.2.3 比特币期货与互联网相关因素对比特币价格的影响力比较

4.3 数据与变量

4.3.1 数据获取

4.3.2 模型主要变量介绍

4.4 实证研究

4.4.1 事件研究法

4.4.2 T检验

4.4.3 预测误差方差分解分析

4.5 研究讨论与启示

4.6 本章小结

第5章 基于机器学习方法的比特币价格预测

5.1 本章研究问题描述

5.2 研究框架设计

5.3 问题描述与特征工程

5.3.1 问题描述

5.3.2 特征工程

5.4 实证研究

5.4.1 评价指标

5.4.2 参数设置

5.4.3 结果与分析

5.5 研究讨论与启示

5.6 本章小结

结论

参考文献

致谢