基于神经网络的期货价格预测与模型实现 ——以上海金属期货价格预测为例

论文摘要

由于期货市场的行情受到政治、经济等多方面因素的影响,其内部规律非常复杂,传统的预测技术的预测效果并不理想,而神经网络具有优良的非线性特性,特别适用于处理高度非线性系统,因此基于神经网络的智能预测是解决非线性的期货市场预测问题的有效方法。本文主要完成了以下工作:第一,期货市场原始数据的预处理。针对由期货市场非线性特性而导致的期货市场价格数据的高噪声特性,本文通过通货膨胀率调整、周期项消除、随机项滤波等数据预处理方法使生成数据序列变成有规序列,从而保证了后续预测的准确性。第二,建模。在深入分析了BP网络和RBF网络的结构及算法的基础上,给出了利用前向神经网络建立期货市场预测模型的具体方法。第三,分别使用BP网络和RBF网络在MATLAB环境下对上海金属期货进行了预测,数值试验的结果表明,BP网络的预测效果要好于RBF神经网络。第四,预测算法的优化。针对BP网络算法需要较长的训练时间、易陷入局部极小值等不足进行了相应改进,使得预测值与实际值基本吻合。第五,建立神经网络期货价格预测平台。由于MATLAB下编程,只有专业人员才能掌握和运用,为了方便普通用户了解和使用,开发了利用神经网络预测期货价格的软件,软件共分三大模块:系统设置模块（包括参数设置和网络结构、算法的设置）、数据训练模块、仿真预测模块。在设计过程中使用MATCOM实现了MATLAB和VC++的混合编程,从而开发出能够脱离MATLAB运行环境而独立运行的神经网络预测平台。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 导论
• 1.1 问题的提出
• 1.1.1 研究的背景
• 1.1.2 问题的提出
• 1.1.3 研究意义
• 1.2 期货价格预测的国内外相关研究评述
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 1.2.3 相关理论评价
• 1.3 本文主要研究内容
• 1.3.1 研究内容
• 1.3.2 研究目标
• 1.3.3 解决的主要问题
• 1.3.4 技术路线
• 第2章 期货预测方法选取
• 2.1 基本假设
• 2.1.1 期货市场预测的可能性假设
• 2.1.2 期货市场预测的现实可能性
• 2.2 已实现的期货预测方法的特点及适用范围
• 2.2.1 投资分析方法
• 2.2.2 数据挖掘技术法
• 2.2.3 组合预测方法
• 2.3 期货市场预测存在的问题
• 2.3.1 预测方法和期货数据的特征不匹配
• 2.3.2 期货数据的高噪声
• 2.4 本文研究模型的构建
• 2.4.1 本模型的构建
• 2.4.2 本模型理论依据
• 2.4.3 本模型预测期货市场的可行性
• 第3章 原始期货数据预处理
• 3.1 期货数据预处理时考虑的因素
• 3.1.1 期货价格的构成要素
• 3.1.2 影响主要金属期货品种价格变动的因素
• 3.2 数据预处理方法的选取
• 3.2.1 数据预处理的模型分解
• 3.2.2 拟采用的预处理方法
• 3.3 期货预测连续数据的构建
• 3.3.1 实验数据的获得
• 3.3.2 从不连续的市场数据构建连续数据序列
• 3.4 对原始数据进行消噪
• 3.4.1 通货膨胀率调整
• 3.4.2 周期项消除
• 3.4.3 随机项滤波
• 3.5 数据预处理前后比较
• 3.5.1 直观比较
• 3.5.2 特征比较
• 第4章 主要金属品种预测模型的构建与实现
• 4.1 金属品种的选择
• 4.1.1 铜期货市场分析
• 4.1.2 铝期货和锌期货市场分析
• 4.2 铜期货预测模型的构建
• 4.2.1 预测模式的选取
• 4.2.2 建模辅助工具的选取
• 4.2.3 MATLAB下铜期货预测模型的构建
• 4.3 铜期货预测模型的实现
• 4.3.1 预测模型的训练
• 4.3.2 测试仿真
• 4.3.3 神经网络方法和其他定量分析法的实证比较
• 4.4 期货铝和期货锌的价格预测
• 4.4.1 核心代码的设计
• 4.4.2 参数设置及误差分析
• 4.4.3 数据反归一后的预测结果
• 4.5 本模型的评价
• 4.5.1 预测结果的分析
• 4.5.2 模型的推广性分析
• 第5章 预测中出现的问题及解决方法
• 5.1 预测实验中出现的异常情况
• 5.1.1 达到计算目标后，仿真精度不高
• 5.1.2 网络可以达到目标，但训练时间过长
• 5.1.3 达到最小的下降梯度，程序中止
• 5.2 算法的改进及实际效果比较
• 5.2.1 附加动量法
• 5.2.2 自适应学习速率法
• 5.2.3 L-M算法
• 5.2.4 三种解决方法仿真结果的比较
• 5.3 模型参数的再调整
• 5.3.1 网络结构调整
• 5.3.2 初始值调整
• 5.3.3 学习速率调整
• 5.3.4 期望误差调整
• 第6章 预测平台的设计与实现
• 6.1 可行性分析
• 6.1.1 功能分析
• 6.1.2 技术分析—Matlab与Visual C++的结合
• 6.2 VC++与MATLAB的接口技术
• 6.2.1 Matlab与VC++互连的方法
• 6.2.2 Matcom的工作原理
• 6.3 互连的具体实现
• 6.3.1 VC与Matcom的接口配置
• 6.3.2 将m文件编译后放入VC中
• 6.4 平台使用说明
• 6.4.1 网络训练
• 6.4.2 网络仿真
• 第7章 结论与展望
• 参考文献
• 附录1
• 附录2
• 攻读硕士学位期间参加的科研课题和发表的学术论文
• 致谢