中國(guó)黃金期貨價(jià)格SVR智能預(yù)測(cè),本文關(guān)于黃金期貨論文范文,可以做為相關(guān)論文參考文獻(xiàn),與寫作提綱思路參考。

黃金期貨論文參考文獻(xiàn)：

【摘 要】 以中國(guó)黃金期貨為研究對(duì)象,選取了開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、成交量和成交額6項(xiàng)指標(biāo)作為樣本的特征指標(biāo)變量,運(yùn)用歸一化方法消除特征指標(biāo)變量間因量綱不同而造成的預(yù)測(cè)誤差,進(jìn)而引入支持向量回歸機(jī)(Support Vector Regression Machine,SVR)智能方法對(duì)該期貨的開盤價(jià)格進(jìn)行預(yù)測(cè)研究,并通過引入網(wǎng)格搜索法對(duì)SVR模型的最優(yōu)參數(shù)進(jìn)行尋找,從而構(gòu)建了最優(yōu)的SVR智能預(yù)測(cè)模型.通過對(duì)訓(xùn)練樣本集與測(cè)試樣本集的實(shí)證研究發(fā)現(xiàn),文章所構(gòu)建的最優(yōu)SVR智能預(yù)測(cè)模型具有優(yōu)越的學(xué)習(xí)性能與泛化推廣性能,能夠準(zhǔn)確地預(yù)測(cè)中國(guó)黃金期貨的價(jià)格.

【關(guān)鍵詞】 黃金期貨； 支持向量回歸機(jī)； 智能預(yù)測(cè)； 網(wǎng)格搜索法

【中圖分類號(hào)】 F830.91 【文獻(xiàn)標(biāo)識(shí)碼】 A 【文章編號(hào)】 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(xiǎn)的多重屬性.而黃金價(jià)格一旦發(fā)生劇烈波動(dòng),不僅對(duì)一國(guó)經(jīng)濟(jì),甚至對(duì)整個(gè)國(guó)際社會(huì)的經(jīng)濟(jì)運(yùn)行都將產(chǎn)生嚴(yán)重影響[1].與黃金現(xiàn)貨相比,黃金期貨蘊(yùn)藏著更為嚴(yán)重的風(fēng)險(xiǎn).因?yàn)槠谪浘哂懈吒軛U性,在產(chǎn)生高收益的同時(shí)也可能放大風(fēng)險(xiǎn)[2].隨著經(jīng)濟(jì)全球化的推進(jìn),各國(guó)經(jīng)濟(jì)間的聯(lián)系日益密切,一國(guó)期貨市場(chǎng)所產(chǎn)生的巨大風(fēng)險(xiǎn)在轉(zhuǎn)瞬之間就會(huì)傳遞到其他國(guó)家,從而引發(fā)嚴(yán)重的金融危機(jī),進(jìn)而影響整個(gè)實(shí)體經(jīng)濟(jì)的健康運(yùn)行.因此,開展黃金期貨價(jià)格的預(yù)測(cè)研究,進(jìn)而提前采取應(yīng)對(duì)措施防范黃金期貨危機(jī)的發(fā)生,對(duì)于一國(guó)甚至整個(gè)國(guó)際社會(huì)而言,都將具有重要的現(xiàn)實(shí)意義.

中國(guó)作為新興經(jīng)濟(jì)體,其黃金期貨市場(chǎng)建立至今,相應(yīng)的風(fēng)險(xiǎn)監(jiān)管措施還不盡完善,因而面臨的風(fēng)險(xiǎn)危機(jī)也更為嚴(yán)峻[3].因此,對(duì)中國(guó)黃金期貨市場(chǎng)進(jìn)行預(yù)測(cè),以實(shí)時(shí)監(jiān)測(cè)黃金期貨的價(jià)格走勢(shì),從而防患于未然,是保證中國(guó)金融市場(chǎng)穩(wěn)定、經(jīng)濟(jì)健康發(fā)展的重要途徑.

目前,預(yù)測(cè)模型主要分為兩類,一類是以消費(fèi)彈性法、回歸分析法、趨勢(shì)外推法等為主的傳統(tǒng)方法[4-6].但這類方法屬于線性模型,無法對(duì)非線性問題進(jìn)行預(yù)測(cè)研究.眾所周知,黃金期貨市場(chǎng)是一個(gè)復(fù)雜的非線性系統(tǒng),因而如果仍然運(yùn)用上述線性方法對(duì)黃金期貨市場(chǎng)進(jìn)行預(yù)測(cè),就很可能導(dǎo)致預(yù)測(cè)失效.另一類是以神經(jīng)網(wǎng)絡(luò)(Neural Network,NN)和支持向量回歸機(jī)(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(xué)者們的廣泛關(guān)注.與NN相比,SVR具有明顯的優(yōu)勢(shì).它能夠處理小樣本問題,具有更為優(yōu)越的學(xué)習(xí)能力與泛化推廣能力,因而更能受到學(xué)者青睞.基于此,本文將運(yùn)用SVR對(duì)中國(guó)黃金期貨價(jià)格展開預(yù)測(cè)研究.

但需要指出的是,SVR模型的預(yù)測(cè)能力在很大程度上取決于懲罰參數(shù)(Penalty Parameter)和核函數(shù)(Kernel Function)參數(shù),如果不準(zhǔn)確估計(jì)這兩個(gè)參數(shù),就很可能導(dǎo)致SVR模型預(yù)測(cè)準(zhǔn)確性出現(xiàn)較大偏差.就目前研究而言,網(wǎng)格搜索法是運(yùn)用較為廣泛的一類參數(shù)尋優(yōu)方法,其優(yōu)勢(shì)在于簡(jiǎn)單易行,且尋優(yōu)準(zhǔn)確性較高[9].因此,本文將引入網(wǎng)格搜索法對(duì)上述兩個(gè)參數(shù)進(jìn)行尋優(yōu).

目前,有眾多研究學(xué)者運(yùn)用SVR對(duì)經(jīng)濟(jì)領(lǐng)域的相關(guān)問題進(jìn)行了預(yù)測(cè)研究,如運(yùn)用SVR對(duì)期權(quán)價(jià)格、股指、旅客流量、能源需求量、制造業(yè)產(chǎn)品價(jià)格等進(jìn)行了預(yù)測(cè)研究,取得了良好的預(yù)測(cè)效果[10-15].但他們卻都未使用SVR模型對(duì)黃金期貨價(jià)格進(jìn)行預(yù)測(cè)研究,同時(shí)也未采用網(wǎng)格搜索法對(duì)SVR模型參數(shù)進(jìn)行估計(jì).

與上述研究相比,本文既引入SVR對(duì)中國(guó)黃金期貨價(jià)格進(jìn)行預(yù)測(cè)研究,同時(shí),還采用網(wǎng)格搜索法對(duì)SVR模型參數(shù)進(jìn)行估計(jì),以期能夠?qū)χ袊?guó)黃金期貨價(jià)格進(jìn)行更加準(zhǔn)確的預(yù)測(cè).由此可見,本文具有較強(qiáng)的創(chuàng)新性.

二、基于SVR的黃金期貨市場(chǎng)價(jià)格預(yù)測(cè)模型構(gòu)建

但值得注意的是,懲罰參數(shù)C和RBF核函數(shù)參數(shù)σ不僅需要提前確定,還對(duì)模型的構(gòu)建起著關(guān)鍵作用.如果這兩個(gè)參數(shù)確定不準(zhǔn)確,勢(shì)必會(huì)影響SVR模型最終的預(yù)測(cè)性能,因此,就需要運(yùn)用相關(guān)的參數(shù)尋優(yōu)方法對(duì)這兩個(gè)參數(shù)進(jìn)行優(yōu)化.就目前研究而言,網(wǎng)格搜索法是運(yùn)用較為廣泛的一類參數(shù)尋優(yōu)方法,具有顯著的搜索優(yōu)勢(shì).因此,本文將引入網(wǎng)格搜索法對(duì)上述兩個(gè)參數(shù)進(jìn)行尋優(yōu).

網(wǎng)格搜索法首先要求對(duì)參數(shù)范圍進(jìn)行確定,在此基礎(chǔ)上,通過兩個(gè)參數(shù)在不同值上的組合,分別構(gòu)建不同參數(shù)下的SVR模型進(jìn)行樣本擬合,獲得不同的預(yù)測(cè)結(jié)果,并比較所有參數(shù)組合下的預(yù)測(cè)結(jié)果,選擇使預(yù)測(cè)精度最高的參數(shù)組合作為最優(yōu)參數(shù).于是,通過網(wǎng)格搜索法,本文就能尋找到最優(yōu)的懲罰參數(shù)C和RBF核函數(shù)參數(shù)σ,并構(gòu)建最優(yōu)的SVR預(yù)測(cè)模型.

三、黃金期貨價(jià)格預(yù)測(cè)的實(shí)證研究

(一)實(shí)驗(yàn)樣本與特征指標(biāo)變量的選擇

本文以中國(guó)黃金期貨為研究對(duì)象,選取2003-01-02至2016-05-31間的數(shù)據(jù)為研究樣本.選擇這么長(zhǎng)的一段時(shí)間作為研究區(qū)間,目的在于使模型更好地?cái)M合現(xiàn)實(shí)中該產(chǎn)品的各種漲跌行情,從而使模型的預(yù)測(cè)功能更為全面,預(yù)測(cè)性能更為優(yōu)異.同時(shí),在特征指標(biāo)變量選擇上,本文借鑒相關(guān)文獻(xiàn),選擇了由開盤價(jià)、最高價(jià)、最低價(jià)、收盤價(jià)、成交量、成交額6項(xiàng)指標(biāo)作為特征指標(biāo)變量,以每個(gè)樣本的交易天數(shù)所對(duì)應(yīng)的下一天的開盤價(jià)作為因變量.

(二)樣本數(shù)據(jù)的預(yù)處理

由于各個(gè)特征指標(biāo)變量間的數(shù)值大小存在明顯差異,因此,為了使預(yù)測(cè)結(jié)果不受量綱影響,本文運(yùn)用歸一化方法對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理,過程如下：

(三)實(shí)證結(jié)果與分析

本文將樣本數(shù)據(jù)集按時(shí)間前后進(jìn)行排序,并將前80%與后20%的樣本分別劃分為訓(xùn)練樣本集與測(cè)試樣本集,分別有2 610個(gè)和652個(gè)樣本.在此基礎(chǔ)上,本文借助Matlab 2015a編程軟件對(duì)訓(xùn)練樣本進(jìn)行訓(xùn)練,并對(duì)測(cè)試樣本進(jìn)行測(cè)試,訓(xùn)練與測(cè)試的實(shí)驗(yàn)結(jié)果如表1所示.

結(jié)論：關(guān)于黃金期貨方面的論文題目、論文提綱、黃金期貨實(shí)時(shí)行情論文開題報(bào)告、文獻(xiàn)綜述、參考文獻(xiàn)的相關(guān)大學(xué)碩士和本科畢業(yè)論文。

基于bp神經(jīng)網(wǎng)路我國(guó)滬深300股指期貨價(jià)格預(yù)測(cè)

摘 要：本文將首先介紹我國(guó)滬深300股指期貨的現(xiàn)狀以及影響其價(jià)格的主要因素，再介紹BP神經(jīng)網(wǎng)絡(luò)模型，并運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)我國(guó)滬深300股指。

基于ARIMA模型滬銅期貨價(jià)格預(yù)測(cè)

摘 要：本文基于ARIMA模型建立了滬銅期貨價(jià)格預(yù)測(cè)模型，并對(duì)2015年1月5日至2015年9月25日內(nèi)共180個(gè)交易日的上海期貨交易所的滬銅主。

中國(guó)金屬期貨市場(chǎng)高頻波動(dòng)率預(yù)測(cè)模型比較

摘要：選取上海期貨交易所銅、鋁期貨價(jià)格指數(shù)日內(nèi)10分鐘高頻收益數(shù)據(jù)，構(gòu)造了經(jīng)調(diào)整的已實(shí)現(xiàn)極差波動(dòng)率估計(jì)序列，利用6類GARCH族模型建模分析，描。

中國(guó)區(qū)域經(jīng)濟(jì)差異變化趨勢(shì)預(yù)測(cè)政策

摘要：區(qū)域經(jīng)濟(jì)差異的存在與變化對(duì)我國(guó)及各區(qū)域的發(fā)展有著廣泛的不同程度的影響，是一個(gè)不容輕視的重大問題。通過7種預(yù)測(cè)方案的比較，本文分析探討了我國(guó)。

總結(jié)

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?jī)?nèi)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(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。