基于神經(jīng)網(wǎng)絡(luò)對(duì)滬深300股指期貨價(jià)格的實(shí)證分析.pdf

1、股指期貨市場(chǎng)是現(xiàn)代資本市場(chǎng)的一個(gè)產(chǎn)物，它可以用于投資或者作為一個(gè)風(fēng)險(xiǎn)管理工具，本身具有中性的特征，它的推出會(huì)對(duì)股票市場(chǎng)短期內(nèi)的價(jià)格波動(dòng)產(chǎn)生一定的擾動(dòng)，但是這種擾動(dòng)不會(huì)改變市場(chǎng)的長(zhǎng)期趨勢(shì)，產(chǎn)生擾動(dòng)的具體原因來(lái)自于兩個(gè)方面：市場(chǎng)總體趨勢(shì)和內(nèi)在估值,其中內(nèi)在估值是比較重要的因素。股指期貨是一種金融衍生產(chǎn)品，它反映的是股市的走勢(shì)，因此它的出現(xiàn)勢(shì)必會(huì)對(duì)股市上顯著的影響，所以了解股指期貨的價(jià)格趨勢(shì)在投資中能更好的規(guī)避風(fēng)險(xiǎn)，做出決策，因此對(duì)股指期貨價(jià)

2、格的預(yù)測(cè)有著很大的理論與實(shí)際意義。
　　在本文中先介紹了股指期貨的起源和發(fā)展、股指期貨與股票的區(qū)別和聯(lián)系以及其國(guó)內(nèi)與國(guó)外的研究現(xiàn)狀。其次介紹了數(shù)據(jù)分析建模前的準(zhǔn)備工作——數(shù)據(jù)的預(yù)處理，為了使預(yù)測(cè)效果更好，對(duì)新興的小波分析的原理和應(yīng)用進(jìn)行了介紹，并用小波降噪技術(shù)對(duì)原始時(shí)間序列數(shù)據(jù)進(jìn)行了去噪處理。股指期貨數(shù)據(jù)作為一種相對(duì)比較重要的金融數(shù)據(jù)，具有不穩(wěn)定性和非線性，受投資者心理、國(guó)家政策等多種因素的影響，所以對(duì)這類數(shù)據(jù)的分析存在很大的難度

3、，文中使用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)股指期貨的數(shù)據(jù)進(jìn)行建模。本文用小波分析首先對(duì)原始數(shù)據(jù)進(jìn)行去噪處理，再用BP神經(jīng)網(wǎng)絡(luò)對(duì)去噪后的數(shù)據(jù)預(yù)測(cè)，本文選取了2014年6月23日到2015年12月29日主力合約每分鐘的收盤價(jià)、開(kāi)盤價(jià)、最高價(jià)、最低價(jià)和成交量，共100085個(gè)樣本。
　　本文總體分為四個(gè)大的部分，第一個(gè)部分是緒論部分，第二部分是對(duì)數(shù)據(jù)的預(yù)處理方法，第三部分是數(shù)據(jù)分析所用的工具以及技術(shù)，說(shuō)明了Wavelet Analysis的方法以及去

4、噪的應(yīng)用，Neural Networks的發(fā)展、定義和實(shí)際工作中的應(yīng)用，第四部分為本文的實(shí)證部分，首先對(duì)總體樣本數(shù)據(jù)使用了小波分析，運(yùn)用sym8小波函數(shù)對(duì)原始數(shù)據(jù)進(jìn)行5層分解以便達(dá)到降噪的效果，使數(shù)據(jù)相對(duì)原始數(shù)據(jù)比較平滑，這樣更能保證預(yù)測(cè)的準(zhǔn)確性，為了能很好的擬合數(shù)據(jù)，對(duì)小波分析后的數(shù)據(jù)進(jìn)行了指標(biāo)計(jì)算，用指標(biāo)作為變量進(jìn)行建模，再用隨機(jī)森林對(duì)變量選擇，最后用神經(jīng)網(wǎng)絡(luò)對(duì)數(shù)據(jù)進(jìn)行建模，并對(duì)預(yù)測(cè)的結(jié)果計(jì)算平均絕對(duì)誤差以及平均相對(duì)誤差。