论文部分内容阅读
期货市场是和股票市场、外汇市场并存的金融交易体系,它为现货商提供了保值和购货的场所,回避了价格风险。同时,期货市场又为投资者提供了一个投资获利的渠道。本文利用ARMA模型、混沌预测模型、BP神经网络模型、基于相空间重构的BP预测模型、基于灰色关联系数和LS-SVM的变权组合预测模型、基于算术平均贴近度和BP神经网络的变权组合预测模型、基于灰色关联度和BP算法的非线性组合预测模型对沪铜期货价格进行了拟合和预测,并比较了单一模型与变权组合预测模型的预测效果。主要研究内容如下: 1.分析了沪铜期货价格样本数据的统计特征,对沪铜期货价格收益率序列进行了平稳性检验和条件异方差性检验,建立了沪铜期货收益率序列的ARMA(2,2)模型,并利用该模型进行了预测。同时利用加权一阶局域法对沪铜期货价格进行了建模预测。 2.建立了沪铜期货价格的BP神经网络模型和相空间重构BP神经网络模型并进行了拟合和预测,分析比较了预测效果。 3.将最优加权组合预测模型应用到沪铜期货价格的预测中,建立了沪铜期货价格的基于灰色关联系数和 LS-SVM的变权组合预测模型。实证研究结果表明:这两种组合模型对沪铜期货价格的预测精度优于单一模型,基于灰色关联系数和 LS-SVM的变权组合模型优于最优加权组合预测模型。 4.建立了沪铜期货价格的基于算术平均最小贴近度和 BP神经网络的变权组合预测模型。实证研究结果表明:基于算术平均最小贴近度和BP神经网络的变权组合预测模型的预测精度明显高于各个单模型的预测精度,说明了此变权组合预测模型的有效性。 5.采用灰色系统理论中的关联分析方法,对影响沪铜期货价格的因素进行分析,挑选出主要的影响因素。以这些主要影响因素为输入向量,以参考价格为输出向量,建立了沪铜期货价格与主要影响因子之间的BP神经网络预测模型,并对沪铜期货价格进行了实证研究。实证研究结果表明:该方法预测精度较高,实用性强。