基于非线性集成预测技术的期货价格预测研究

基于非线性集成预测技术的期货价格预测研究

论文摘要

随着社会主义市场经济的快速发展,期货市场在整个社会经济中的地位显得越来越重要,尤其体现在规避现货市场的风险、合理配置社会资源和稳定金融市场秩序上,对期货市场有个准确的把握显得至关重要,体现到具体的量化指标上,也就是要对期货价格有个准确的预测。由于期货市场内部结构的复杂性,加之影响因素的多样性,现有预测方法在一定程度上还有改进的余地。正是基于以上分析,对期货价格走势进行一个合理的把握和准确的预测成了人们关注的热点。本文旨在建立一个能对期货价格进行准确预测的非线性集成预测模型,试图探求一种更有效的非线性集成方式,把更多、更有效的信息集成起来贡献于期货价格预测准确度的提高上。在这里作者使用此模型来对期货价格(以郑州商品交易所交易期货品种为例)进行预测,也是此技术首次对郑州商品交易所期货价格的预测。本文首先从期货市场的背景知识出发介绍了期货市场的基本知识,包括期货交易的概念与特点、国内外期货市场的产生与发展及期货的种类,同时归纳分析了期货价格预测的方法。然后选取了非线性集成预测所需要集成的单个模型,并且以非线性集成思想为核心,以人工智能技术为集成工具,将ARIMA模型、神经网络预测模型、VAR模型这些单个模型综合集成起来形成非线性集成预测模型。其次,为了使非线性集成预测模型包含更多、更精确的信息,必须使单个模型的拟合预测具有足够的精度。所以,针对ARIMA模型关键部分p值和q值的确定,在归纳和总结前人研究成果的基础上,提出一种更为科学的方法去确定两者的值。同时,本文针对的是时间序列数据预测,所以在使用BP-ANN进行拟合预测时,必然涉及到输入层节点数的确定问题。针对这一问题,提出通过ARIMA模型中滞后项的确定来设计神经网络模型中输入层的节点数,解决了人为选择的主观性。最后,以郑州商品交易所期货数据作实证研究,分别对棉花期货、白糖期货和PAT期货的结算价进行预测。预测结果表明,非线性集成预测模型取得了令人满意的效果。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 一、 论文研究的背景及意义
  • 二、 国内外研究现状分析及评述
  • (一) 国内外研究现状
  • (二) 国内外研究现状评述
  • 三、 论文研究的内容、方法和创新点
  • (一) 研究内容
  • (二) 研究方法
  • (三) 创新点
  • 第二章 理论基础
  • 一、 期货市场知识
  • (一) 期货交易概念
  • (二) 期货交易的产生和发展
  • (三) 期货交易的特点
  • (四) 期货的种类
  • (五) 我国期货市场的发展历程
  • (六) 期货价格预测方法分析
  • 二、 计量经济学及神经网络理论
  • (一) ARIMA(综合自回归移动平均模型)理论
  • (二) VAR(向量自回归模型)理论
  • (三) ANN(人工神经网络模型)理论
  • 第三章 期货价格的非线性集成预测模型构建
  • 一、 非线性集成预测中的单个预测模型的选择
  • 二、 期货价格预测的非线性集成预测模型
  • (一) 模型的构建思路
  • (二) 相关模型算法改进及参数选择
  • 第四章 期货价格预测的实证分析-以郑州商品交易所为例
  • 一、 郑州商品交易所简介
  • 二、 实证样本的选取
  • 三、 郑州商品交易所期货价格预测
  • (一) ARIMA 模型的拟合预测
  • (二) BP-ANN 对残差的拟合预测
  • (三) 混合模型的拟合预测
  • (四) 单独的 BP-ANN 拟合预测
  • (五) VAR 模型的拟合预测
  • (六) 非线性集成预测模型对期货价格的预测
  • 四、 预测结果对比分析
  • 第五章 总结与展望
  • 一、 本文总结
  • 二、 后续研究工作和展望
  • 参考文献
  • 在学期间的研究成果及发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于神经网络模型的钢铁价格预测[J]. 质量与市场 2020(18)
    • [2].分析师目标价格预测的过度迎合行为研究——基于上市公司定向增发的经验证据[J]. 投资研究 2020(06)
    • [3].2020年铜市场分析及价格预测[J]. 中国有色金属 2020(05)
    • [4].2012/2013年度世界棉花供求、消费与价格预测[J]. 中国棉花 2013(06)
    • [5].探索价格预测规律 为科学价格决策服务——价格预测特点、原则及应努力做好的主要工作[J]. 价格理论与实践 2012(06)
    • [6].2009—2030年原油价格预测[J]. 国外油田工程 2010(11)
    • [7].煤炭价格预测系统模型的构建[J]. 煤炭经济研究 2009(09)
    • [8].积极探索 勇于实践 不断提高价格预测能力和水平——对当前价格预测工作的几点思考[J]. 价格理论与实践 2009(12)
    • [9].基于大数据机器学习的航班价格预测研究[J]. 黑龙江大学自然科学学报 2019(06)
    • [10].基于灰色理论的亳菊价格预测研究[J]. 枣庄学院学报 2020(02)
    • [11].经济转型条件下房地产价格预测模型仿真[J]. 计算机仿真 2016(10)
    • [12].时间序列在黄金价格预测中的应用[J]. 商 2015(16)
    • [13].神经网络在石油价格预测中的仿真研究[J]. 计算机仿真 2011(11)
    • [14].智能代理技术在煤炭价格预测系统中的应用[J]. 煤炭经济研究 2009(05)
    • [15].基于人工智能的煤炭价格预测研究[J]. 广西质量监督导报 2020(04)
    • [16].基于马尔科夫链的棉花价格预测[J]. 中国棉花 2016(10)
    • [17].支持向量机的石油价格预测[J]. 计算机仿真 2011(12)
    • [18].基于价格预测能力的基金羊群效应模型与算例分析[J]. 上海管理科学 2011(03)
    • [19].地产:再次上调09年销量价格预测[J]. 股市动态分析 2009(23)
    • [20].世界银行报告调低2016年原油价格预测[J]. 合成润滑材料 2016(01)
    • [21].组合模型在电力价格预测中的应用研究[J]. 计算机仿真 2010(10)
    • [22].广西重要产业产品2008年价格走势及2009年价格预测[J]. 市场论坛 2009(02)
    • [23].我国主要粮食价格预测预警研究——基于神经网络及控制图理论分析[J]. 价格理论与实践 2017(05)
    • [24].基于基差和价格预测的套期保值思路初探[J]. 经贸实践 2016(09)
    • [25].国际原油价格预测的双层随机整数规划模型、算法及应用[J]. 运筹学学报 2015(03)
    • [26].相空间重构和参数统一求解的石油价格预测[J]. 计算机工程与应用 2013(23)
    • [27].基于层级支持向量机的石油价格预测[J]. 石油工业计算机应用 2009(03)
    • [28].呼包鄂地区商品房价格预测及影响因素分析[J]. 工程经济 2020(07)
    • [29].机票价格预测的模糊时间序列方法[J]. 小型微型计算机系统 2016(11)
    • [30].基于人工神经网络算法的黄金价格预测问题研究[J]. 经济问题 2010(01)

    标签:;  ;  ;  

    基于非线性集成预测技术的期货价格预测研究
    下载Doc文档

    猜你喜欢