中國黃金期貨價格SVR智能預測,本文關于黃金期貨論文范文,可以做為相關論文參考文獻,與寫作提綱思路參考。

黃金期貨論文參考文獻：

【摘 要】 以中國黃金期貨為研究對象,選取了開盤價、最高價、最低價、收盤價、成交量和成交額6項指標作為樣本的特征指標變量,運用歸一化方法消除特征指標變量間因量綱不同而造成的預測誤差,進而引入支持向量回歸機(Support Vector Regression Machine,SVR)智能方法對該期貨的開盤價格進行預測研究,并通過引入網格搜索法對SVR模型的最優參數進行尋找,從而構建了最優的SVR智能預測模型.通過對訓練樣本集與測試樣本集的實證研究發現,文章所構建的最優SVR智能預測模型具有優越的學習性能與泛化推廣性能,能夠準確地預測中國黃金期貨的價格.

【關鍵詞】 黃金期貨； 支持向量回歸機； 智能預測； 網格搜索法

【中圖分類號】 F830.91 【文獻標識碼】 A 【文章編號】 1004-5937(2017)17-0050-04

一、引言

黃金作為一種特殊的商品,具有商品、貨幣和避險的多重屬性.而黃金價格一旦發生劇烈波動,不僅對一國經濟,甚至對整個國際社會的經濟運行都將產生嚴重影響[1].與黃金現貨相比,黃金期貨蘊藏著更為嚴重的風險.因為期貨具有高杠桿性,在產生高收益的同時也可能放大風險[2].隨著經濟全球化的推進,各國經濟間的聯系日益密切,一國期貨市場所產生的巨大風險在轉瞬之間就會傳遞到其他國家,從而引發嚴重的金融危機,進而影響整個實體經濟的健康運行.因此,開展黃金期貨價格的預測研究,進而提前采取應對措施防范黃金期貨危機的發生,對于一國甚至整個國際社會而言,都將具有重要的現實意義.

中國作為新興經濟體,其黃金期貨市場建立至今,相應的風險監管措施還不盡完善,因而面臨的風險危機也更為嚴峻[3].因此,對中國黃金期貨市場進行預測,以實時監測黃金期貨的價格走勢,從而防患于未然,是保證中國金融市場穩定、經濟健康發展的重要途徑.

目前,預測模型主要分為兩類,一類是以消費彈性法、回歸分析法、趨勢外推法等為主的傳統方法[4-6].但這類方法屬于線性模型,無法對非線性問題進行預測研究.眾所周知,黃金期貨市場是一個復雜的非線性系統,因而如果仍然運用上述線性方法對黃金期貨市場進行預測,就很可能導致預測失效.另一類是以神經網絡(Neural Network,NN)和支持向量回歸機(Support Vector Regression Machine,SVR)為主的智能方法[7,8].這類方法能夠有效地解決非線性問題,因而受到學者們的廣泛關注.與NN相比,SVR具有明顯的優勢.它能夠處理小樣本問題,具有更為優越的學習能力與泛化推廣能力,因而更能受到學者青睞.基于此,本文將運用SVR對中國黃金期貨價格展開預測研究.

但需要指出的是,SVR模型的預測能力在很大程度上取決于懲罰參數(Penalty Parameter)和核函數(Kernel Function)參數,如果不準確估計這兩個參數,就很可能導致SVR模型預測準確性出現較大偏差.就目前研究而言,網格搜索法是運用較為廣泛的一類參數尋優方法,其優勢在于簡單易行,且尋優準確性較高[9].因此,本文將引入網格搜索法對上述兩個參數進行尋優.

目前,有眾多研究學者運用SVR對經濟領域的相關問題進行了預測研究,如運用SVR對期權價格、股指、旅客流量、能源需求量、制造業產品價格等進行了預測研究,取得了良好的預測效果[10-15].但他們卻都未使用SVR模型對黃金期貨價格進行預測研究,同時也未采用網格搜索法對SVR模型參數進行估計.

與上述研究相比,本文既引入SVR對中國黃金期貨價格進行預測研究,同時,還采用網格搜索法對SVR模型參數進行估計,以期能夠對中國黃金期貨價格進行更加準確的預測.由此可見,本文具有較強的創新性.

二、基于SVR的黃金期貨市場價格預測模型構建

但值得注意的是,懲罰參數C和RBF核函數參數σ不僅需要提前確定,還對模型的構建起著關鍵作用.如果這兩個參數確定不準確,勢必會影響SVR模型最終的預測性能,因此,就需要運用相關的參數尋優方法對這兩個參數進行優化.就目前研究而言,網格搜索法是運用較為廣泛的一類參數尋優方法,具有顯著的搜索優勢.因此,本文將引入網格搜索法對上述兩個參數進行尋優.

網格搜索法首先要求對參數范圍進行確定,在此基礎上,通過兩個參數在不同值上的組合,分別構建不同參數下的SVR模型進行樣本擬合,獲得不同的預測結果,并比較所有參數組合下的預測結果,選擇使預測精度最高的參數組合作為最優參數.于是,通過網格搜索法,本文就能尋找到最優的懲罰參數C和RBF核函數參數σ,并構建最優的SVR預測模型.

三、黃金期貨價格預測的實證研究

(一)實驗樣本與特征指標變量的選擇

本文以中國黃金期貨為研究對象,選取2003-01-02至2016-05-31間的數據為研究樣本.選擇這么長的一段時間作為研究區間,目的在于使模型更好地擬合現實中該產品的各種漲跌行情,從而使模型的預測功能更為全面,預測性能更為優異.同時,在特征指標變量選擇上,本文借鑒相關文獻,選擇了由開盤價、最高價、最低價、收盤價、成交量、成交額6項指標作為特征指標變量,以每個樣本的交易天數所對應的下一天的開盤價作為因變量.

(二)樣本數據的預處理

由于各個特征指標變量間的數值大小存在明顯差異,因此,為了使預測結果不受量綱影響,本文運用歸一化方法對樣本數據進行預處理,過程如下：

(三)實證結果與分析

本文將樣本數據集按時間前后進行排序,并將前80%與后20%的樣本分別劃分為訓練樣本集與測試樣本集,分別有2 610個和652個樣本.在此基礎上,本文借助Matlab 2015a編程軟件對訓練樣本進行訓練,并對測試樣本進行測試,訓練與測試的實驗結果如表1所示.

結論：關于黃金期貨方面的論文題目、論文提綱、黃金期貨實時行情論文開題報告、文獻綜述、參考文獻的相關大學碩士和本科畢業論文。

基于bp神經網路我國滬深300股指期貨價格預測

摘 要：本文將首先介紹我國滬深300股指期貨的現狀以及影響其價格的主要因素，再介紹BP神經網絡模型，并運用BP神經網絡模型預測我國滬深300股指。

基于ARIMA模型滬銅期貨價格預測

摘 要：本文基于ARIMA模型建立了滬銅期貨價格預測模型，并對2015年1月5日至2015年9月25日內共180個交易日的上海期貨交易所的滬銅主。

中國金屬期貨市場高頻波動率預測模型比較

摘要：選取上海期貨交易所銅、鋁期貨價格指數日內10分鐘高頻收益數據，構造了經調整的已實現極差波動率估計序列，利用6類GARCH族模型建模分析，描。

中國區域經濟差異變化趨勢預測政策

摘要：區域經濟差異的存在與變化對我國及各區域的發展有著廣泛的不同程度的影響，是一個不容輕視的重大問題。通過7種預測方案的比較，本文分析探討了我國。

總結

以上是生活随笔為你收集整理的matlab 已实现极差波动,关于黄金期货论文范文写作 中国黄金期货价格SVR智能预测相关论文写作资料...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。