基于GA-BP神经网络模型的期货价格预测与分析.pdfVIP

Theoretical I理论探索I Exploration 基于GA—BP神经网络模型的期货价格预测与分析 ■中央财经大学康璐陈欢张蕾妮指导老师，欧阳日辉 30日～11月12日的lO个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正， 从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA-BP神经网络模型拟合精度明显高于BP神经网 络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可 对期货市场操纵现象进行预警，对监管者具有一定参考价值。 关键词：期货价格预测BP神经网络遗传算法 引言及文献综述 实证分析 20世纪以来，我国期货市场得到了长足发展，但 1．变量的选取及数据来源 相对而言，由于我国期货市场仍处于低级阶段，市场 本文选择大连商品交易所的大豆期货合约为研究 操纵严重，投资者投资理念不科学等问题使市场风险 对象，作为比较稳定的交易品种，它的走势一定程度 事件不断发生，直接阻碍了中国期货市场走向成熟。 上可以反映所在交易所的交易状况，对它的预测情况 诸多风险事件归根结蒂，就是期货fCr格的波动问题， 在一定程度上也可以反映对其交易所其他期货预测的 故分析与预测期货价格变化趋势自然成为期货市场风 可行性。综合考虑数据可得·It、完整性等因素，本文 险控制研究的重中之重，与此同时，了解期货价格走 选取2009年1月5日NIO月29日的大豆期货主力 势也有助于帮助投资者降低风险、提高收益，实现金 A1001合约共200个交易数据作为训练数据，10月 融市场的整体稳定与协调。 30日～11月12日的10个数据为测试数据。数据来源 国外期货市场起步较早，在期货市场预测的 于大连商品交易所。 研究和实践方面开展了大量有价值的工作，Shaikh 由于期货价格变化受许多因素的影响，为了尽可 A．Hamid，ZahidIqba(2004)用神经网络预测标普能提高预测的准确性，输入变量选择为当日开盘价、 500指数期货价格的波动；ShahriarYousefi，Ilna当日最高价、当天最低价、当日收盘价、结算价、当 Weinreich等(2005)提出一种基于小波变换的预测日成交量、成交金额以及当日持仓量，总共8个输^量。 程序并用来对原油期货进行预测。在我国，学者们也 2．BP神经网络模型的建立及实现 试图通过计量模型对期货价格进行预测：张方杰、胡 误差反传模型(BP神经网络模型)可任意逼近 燕京(2005)的ARMA模型，王习涛(2005)的非线性函数，其运行过程分为信号的正向传播和误差 ARIMA模型，刘轶芳、迟国泰(2006)的GARCH—的反向传播两阶段：第一阶段，将样本从输入层传入， EWMA的期货价格预测模型、杨熙亮、朱东华、刘怡 经各隐层处理后，传向输出层。若输出层的实际输出 菲(2006)的BP神经网络模型等都在期货价格预测与期望的输出不符，则转入第二阶段，将输出误差以 中得到应用。 某种形式通过隐层向输入层逐层反传，并将误差分摊 总结国内外对期货fCr格的预测研究，可以发现对 给各层的所有单元，从而获得各层单元的误差信号， 期货的预测存在一系列问题，比如：期货数据具有高 并以此来修正各单元权值。 噪声；各因素之间的相关性错综复杂；期货价格具有 根据kolmogorov定理，—个三层的BP神经网络 非线性特征等等。在这种情况下，人工神经网络方法 足以完成任意的n维到m维的映射，