黃金期貨是交易市場上的一個投資品種,不管是對套期保值,還是維護金融穩(wěn)定等,都有著很重要的作用,對其價格波動進行預測也極具現(xiàn)實意義。目前,各學者或者投資者對于期貨市場的研究,一方面的分析基于市場基本面,比如,分析國家在一段時間內(nèi)制定的政策、商品的供給和需求、投資者在投資過程中的投機心理等,一般來說,這類分析方法較主觀,難以定量分析。另一方面的分析基于金融市場的定量數(shù)據(jù),使用定量數(shù)據(jù)構造模型來研究期貨市場,和基本面分析不同,這類方法較為客觀,說服力較強,所以本文選用該方法研究黃金期貨市場。黃金期貨價格序列是一個時間序列,金融數(shù)據(jù)普遍有集群效應,本文考慮先使用AR-GARCH模型對序列進行建模。因為黃金期貨價格的波動是一個非常復雜的非線性動力系統(tǒng),預測黃金期貨價格漲跌,如果采用傳統(tǒng)計量經(jīng)濟學模型刻畫,會存在各種困難,近年來機器學習和深度學習在處理非線性時間序列的學習方面有很好的表現(xiàn),為了方便和AR-GARCH模型作比較,本文首先構造基于黃金期貨歷史結算價的單因素LSTM模型。再引入多個可能影響黃金期貨價格的因素,進行數(shù)據(jù)預處理后,構建基于多因素的SVR模型和LSTM模型,分析其對黃金期貨價格... 

【文章來源】： 方招娣 上海師范大學

【文章頁數(shù)】：54 頁

【學位級別】：碩士

【部分圖文】：

全連接神經(jīng)網(wǎng)絡例子

上海師范大學碩士學位論文第3章數(shù)據(jù)預處理與變量選擇27圖3-1碎石圖同時從表3-3結果可得出，前3個主成分的累積貢獻率為83.74%，即它們代表了原來7個變量83.74%的信息。表3-3主成分方差貢獻成分特征值方差貢獻率累積方差貢獻率13.013497670.43050.430522.054790330.29350.724030.793416600.11330.837440.424355920.06060.898050.348445610.04980.947860.298135930.04260.990470.067357930.00961.0000根據(jù)各個變量在主成分上的載荷矩陣可以得出3個主成分的表達，載荷矩陣如表3-4所示：表3-4變量主成分載荷變量名稱第一主成分第二主成分第三主成分AUL8_VOL0.1771980.419007-0.775325AGL8_CP-0.2407820.5013780.435890SILVER_ETF0.0818500.5982520.314375SSD0.448772-0.2093390.291215UST10Y-0.369367-0.4064950.026884CONC-0.5466160.057226-0.030014DXY0.517019-0.0530180.153657

上海師范大學碩士學位論文第4章黃金期貨價格波動預測與結果分析304.1.1AR-GARCH模型檢驗本文選取從2013年9月10日到2019年12月6日之間的1520個AUL8日結算數(shù)據(jù)作為樣本進行研究。一般來說，使用7:3至8:2的數(shù)據(jù)作為訓練數(shù)據(jù)和測試數(shù)據(jù)，所以本文在進行分析之前，先選取其中的前1200條數(shù)據(jù)作為訓練數(shù)據(jù)，后320條數(shù)據(jù)作為測試數(shù)據(jù)。在訓練集上，首先做出該序列的時序圖，其輸出如圖4-1所示。圖4-1AUL8結算價時序圖由時序圖可知，AUL8序列從2013年9月到2016年具有遞減趨勢，而從2016年到2019年具有遞增趨勢，是一個非平穩(wěn)時間序列。同時，對該序列進行一階差分，考察一階差分后的序列時序圖如圖4-2所示。由圖4-2可知，該序列沒有顯著的非平穩(wěn)特性，圍繞在零值附近波動，這是一階自相關的典型特征，可以嘗試構造線性自相關函數(shù)。同時，在某些時段，如2014年之前的某些時段、2016年1月至3月、2017年1月份左右等，序列的波動很大，可以判斷該序列有顯著的集群效應特征。

【參考文獻】：
期刊論文
[1]基于人工神經(jīng)網(wǎng)絡的滬鋅期貨價格預測研究[J]. 林杰,龔正.  財經(jīng)理論與實踐. 2017(02)
[2]我國黃金期貨與現(xiàn)貨價格關系的研究[J]. 閆杰,姜忠鶴,盧小廣.  價格理論與實踐. 2016(10)
[3]基于廣義回歸神經(jīng)網(wǎng)絡的黃金價格預測研究[J]. 張同鈺.  中國集體經(jīng)濟. 2016(01)
[4]深度學習的研究與發(fā)展[J]. 張建明,詹智財,成科揚,詹永照.  江蘇大學學報(自然科學版). 2015(02)
[5]中國黃金期貨價格影響因素研究[J]. 楊勝剛,陳帥立,王盾.  財經(jīng)理論與實踐. 2014(03)
[6]我國黃金期貨市場價格影響因素研究[J]. 沙青,張曉東.  時代金融. 2013(24)
[7]基于支持向量機的中國股指期貨回歸預測研究[J]. 賽英,張鳳廷,張濤.  中國管理科學. 2013(03)
[8]黃金價格影響因素的實證分析[J]. 周舞舞.  生產(chǎn)力研究. 2013(05)
[9]國際黃金期貨價格決定要素的實證分析[J]. 馮輝,張蜀林.  中國管理科學. 2012(S1)
[10]深度學習研究綜述[J]. 孫志軍,薛磊,許陽明,王正.  計算機應用研究. 2012(08)

碩士論文
[1]混沌時序黃金期貨價格預測研究[D]. 李超.暨南大學 2018
[2]ARIMA模型和AR-GARCH模型的應用研究[D]. 熊晶晶.華中師范大學 2018
[3]我國黃金期貨價格影響因素實證研究[D]. 張嚴予.華中師范大學 2017
[4]基于深度學習之股指期貨交易[D]. 楊杰群.中國科學技術大學 2015
[5]影響黃金價格的長期因素分析[D]. 宋海粟.復旦大學 2013



本文編號：2920819