农产品期货交易成功的关键,在于对市场的正确分析,尤其是对市场价格走势的正确预测。价格是期货交易的焦点,是对未来供需关系变化预期的一种提前反映,交易者在期货市场中的盈亏状况由交易者对价格走势的判断来决定。作为解决我国“耕者保其利”社会难题的重要载体,农产品期货市场对农业生产经营者提供了较准确的远期价格指导信息,能减少生产的盲目性。因此,对农产品期货价格的分析和预测是很有意义的。期货市场是一个复杂的非线性动态系统。当前,国内外期货价格预测的研究方法多为主成分分析法(PCA)、移动平均法、指数平滑法等传统的经济预测方法,以及误差反向传播神经网络(BP)、模糊神经网络、概率神经网络等人工神经网络方法。实际运用中,传统单一预测方法操作简便,但预测的准确率并不太高。利用传统的时间序列预测方法很难揭示其内在的规律。本文在分析考察传统预测分析方法的基础上,提出一个面向农产品期货市场分析、预测,由神经网络和主成分分析法组合的新的预测方法,并针对该新方法性能的改善和提高进行了深入研究。将主成分分析法引入期货市场预测,对神经网络的原始输入变量进行预处理,选择输入变量的主成分作为网络输入,一方面减少了输入维度,消除了各输入变量的相关性;另一方面提高了神经网络的收敛性和稳定性,也简化了神经网络的结构。由于很多用户缺乏必要的神经网络、甚至计算机编程的知识,因此我们使用Matlab语言的神经网络工具箱和VC++6.0,设计了一个主成分-神经网络模型系统。该模型系统可以给用户提供强大的计算能力,并能让用户按照他们的需求方便地定制自己的神经网络预测模型。同时,文章对神经网络的核心算法BP算法进行了改进,提出了三种改进算法,分别是动量和学习速率自调节的梯度下降算法、自适应学习率梯度下降算法和带动量的梯度下降算法,并给出三种算法的具体实现,通过数据证实三种优化算法在预测性能上表现更佳。基于设计的模型,我们提供了农产品期货的两个典型实例作为具体设计应用的参考,同时对农产品的其他主要产品分别进行主成分神经网络预测,进一步说明主成分神经网络的可扩展性。通过实例证实基于主成分的神经网络应用于农产品期货市场预测的可行性和精确性,也告诉用户使用本模型的基本思路,为期货投资者提高资金收益提供了有利的理论依据。将人工神经网络中的BP算法应用于期货预测是对于BP算法应用领域的扩展,使其在金融领域有更好的使用价值。