基于神經(jīng)網(wǎng)絡(luò)的期貨價(jià)格預(yù)測(cè)與模型實(shí)現(xiàn)——以上海金屬期貨價(jià)格預(yù)測(cè)為例.pdf

1、由于期貨市場(chǎng)的行情受到政治、經(jīng)濟(jì)等多方面因素的影響,其內(nèi)部規(guī)律非常復(fù)雜,傳統(tǒng)的預(yù)測(cè)技術(shù)的預(yù)測(cè)效果并不理想,而神經(jīng)網(wǎng)絡(luò)具有優(yōu)良的非線(xiàn)性特性,特別適用于處理高度非線(xiàn)性系統(tǒng),因此基于神經(jīng)網(wǎng)絡(luò)的智能預(yù)測(cè)是解決非線(xiàn)性的期貨市場(chǎng)預(yù)測(cè)問(wèn)題的有效方法。 本文主要完成了以下工作：第一,期貨市場(chǎng)原始數(shù)據(jù)的預(yù)處理。針對(duì)由期貨市場(chǎng)非線(xiàn)性特性而導(dǎo)致的期貨市場(chǎng)價(jià)格數(shù)據(jù)的高噪聲特性,本文通過(guò)通貨膨脹率調(diào)整、周期項(xiàng)消除、隨機(jī)項(xiàng)濾波等數(shù)據(jù)預(yù)處理方法使生成數(shù)據(jù)序列

2、變成有規(guī)序列,從而保證了后續(xù)預(yù)測(cè)的準(zhǔn)確性。第二,建模。在深入分析了BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)的結(jié)構(gòu)及算法的基礎(chǔ)上,給出了利用前向神經(jīng)網(wǎng)絡(luò)建立期貨市場(chǎng)預(yù)測(cè)模型的具體方法。第三,分別使用BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)在MATLAB環(huán)境下對(duì)上海金屬期貨進(jìn)行了預(yù)測(cè),數(shù)值試驗(yàn)的結(jié)果表明,BP網(wǎng)絡(luò)的預(yù)測(cè)效果要好于RBF神經(jīng)網(wǎng)絡(luò)。第四,預(yù)測(cè)算法的優(yōu)化。針對(duì)BP網(wǎng)絡(luò)算法需要較長(zhǎng)的訓(xùn)練時(shí)間、易陷入局部極小值等不足進(jìn)行了相應(yīng)改進(jìn),使得預(yù)測(cè)值與實(shí)際值基本吻合。第五,建立神經(jīng)