摘 要众所周知，金融行业存在一定的风险性，如果在投资前不对其风险进行有效预测评估，则有可能给投资人造成严重的经济损失，因此财务风险管理和金融预测在金融行业中发挥着重要作用。本文着重介绍马克维茨组合在风险管理、马尔柯夫法和人工神经网络方法在金融预测中的应用，以期为金融行业的发展做出应有贡献。
关键词统计方法；金融风险管理；金融预测
随着我国经济的发展，与世界经济金融体系交流的逐渐增加，越来越多的金融学理论和分析方法逐渐渗透到我国金融行业的方方面面。其中，统计方法在众多分析方法中拔得头筹，广泛地被应用于风险管理和金融预测。基于此，本文研究重点即分析马克维茨组合在风险管理、马尔柯夫法和人工神经网络方法在金融预测中的具体应用。
一、马克威茨组合理论在风险管理中的应用
马克维茨理论又称为均值-方差分析，是在1952年由美国经济学家马克维茨提出的，并且在·1990年荣获诺贝尔经济学奖。其主要思想是把投资组合的价格变化当做随机变量，而衡量收益的是它的均值，衡量风险的是它的方差；把投资组合中各种证券之间的比例作为变量，那么就把收益一定的风险最小的投资组合问题就转化成了一个线性约束下的二次规划问题。加之投资者的偏好，便可以轻松进行投资决策了。这样通过数量分析得出的投资决策，极大地迎合了投资者的喜好，促进了金融行业的发展。
二、马尔柯夫法在金融预测中的应用
1. 马尔柯夫法的定义和基本思想
所谓马尔柯夫预测法就是指运用概率论中的马尔柯夫链的理论和方法来研究随机事件变化并借此分析预测未来变化趋势的一种方法。动态的随机事件序列是它的假定预测对象。一旦“现在”已知，“将来”和“过去”就是无关的。随机过程的这一特性被称为马尔柯夫特性，或称无后效性。建立在系统状态和系统转移概率基础上的马尔柯夫预测模型对金融预测的发展具有不可磨灭的贡献。在系统（也就是预测对象）中存在两种不同系统状态（即预测对象可能出现或存在的状况），所以预测对象的状态是不固定的。如果对预测对象进行假设，共假设为有若干个状态，但是预测对象每次只能有一种状态，那么每一个状态都有若干个转向。如果用概率描述的话，就形成了状态转移概率，状态概率不小于零，状态概率之和为1是状态转移概率的显著性质。
2. 马尔科夫法在金融预测中的应用
在运用马尔柯夫预测法进行金融预测分析时，并不是所有的情况都适用，应该满足以下三个条件：首先，状态转移概率矩阵逐期保持不变；其次，保证状态个数在预测期间不发生变化；第三，系统状态的变换仅受前一期的影响。
以贷款回收率预测为例，首先，众所周知，在预测系统内的事物状态可分为不定型状态和定型状态，不定型状态可以向定型状态转化，但是定型状态不可能再转化成不定型状态。如果把某时期商业贷款的状态简单地划分为能回收和不能回收两种，那么就会出现这样的结果：如果该商业贷款处于能回收的状态，那么下期状态可能是能回收和不能回收；如果该商业贷款处于不能回收的状态，那么它的下期状态就只能是不能回收。由此可见，这里的不定型状态是“能回收”，定型状态是“不能回收”。定型状态和不定型状态会在经过无数次转移后形成各自的状态转移概率矩阵，那么，运用定型状态形成的状态转移概率矩阵与金融机构的各种类贷款金额向量的乘积就可预测出金融机构商业贷款中能收回的金额和不能收回的金额。
三、人工神经网络方法在金融预测中的应用
1. 人工神经网络的定义及基本思想
目前对人工神经网络的定义还尚未统一，但是根据美国神经网络学家Hecht Nielsen的观点，可以将人工神经网络定义为：“人工神经网络（英文为Artificial Neural Network，简称为ANN）是由多个非常简单的处理单元彼此按某种方式相互连接而形成的计算机系统， 该系统靠其状态对外部输入信息的动态响应来处理信息的。”一言以蔽之，人工神经网络是一种旨在模仿人脑结构及其功能的信息处理系统。我国对于人工神经网络的研究经过几十年的努力，已经取得了很大的成就，目前，神经网络理论在模式识别、自动控制、信号处理、辅助决策、人工智能等众多研究领域取得了广泛的成功，日益表现出其优越性。
人工网络神经方法就是收到人类大脑和神经系统的启发，对一个具有许多相对简单的个体单元高度联系、平行计算的结构进行模拟，它将个体单元分成输入层、中间层和输出层三层，将前馈网络单方向将输入映射成输出，设立专门的传递函数并安排在中间层和输出层，而且，每一个连接都有一个用于修正信号的数值权重。这样就极大地增加了输入和输出之间灵活映射的能力。
2. 人工神经网络方法在金融预测中的应用
一方面，在期权定价中应用人工神经网络方法是从上世纪90年代中期开始的。神经网络定价公式的潜在价值从模拟日期权价格的培育集中被揭示出来。通过人工神经网络对期权价格进行模拟，是建立在一定的假设基础上的，具有固定均值和波动率的几何布朗运动、固定利率等都可以成为期权价格应用人工神经网络的假设。只要将资产价格和执行价格的比值作为人工神经网络的输入，那么输出的就是涨期价格和执行价格的比值。
另一方面，人工神经网络可以弥补传统统计方法在破产预测中的不足，更加符合现代金融行业发展的需要。使用人工神经网络方法可以对错判率进行无偏差估计，通过原始的后传法进行修正，使错判成本大大降低。这样就极大地提高了金融预测的准确度和可靠性，使得金融预测可以得到进一步的发展。同时，在适应性、稳健性和处理多峰分布能力方面，人工神经网络方法为分类技术提供了一个可选择的比较方法。
结语：
马克维茨投资组合理论、马尔柯夫法、人工神经网络方法是金融行业中常用的也是重要的几种理论方法，在金融行业风险管理及金融预测中发挥着重要作用。而本文通过对这几种理论方法的阐述研究，为促进财务风险管理和金融预测的正常运营提供有关借鉴，以期促使我国金融行业的发展更加稳定、透明，投资也更加有效率，经济效益得到显著提高。
参考文献：
[1]李婕.金融风险的预测与金融风险评估分析[J].现代经济信息，2014，（9）：350-350.
[2]罗珊.金融风险管理理论回顾与展望[J].华东经济管理，2010，（12）：139-142.
[3]朱立芬.VAR技术在金融风险管理中的应用[J].上海金融，2006（04）
