我國(guó)黃金期貨市場(chǎng)與其他金融要素市場(chǎng)互補(bǔ)協(xié)調(diào),是我國(guó)金融市場(chǎng)體系的重要組成部分。黃金期貨成交量大、流動(dòng)性強(qiáng),且黃金期貨產(chǎn)業(yè)鏈長(zhǎng)、價(jià)格影響因素眾多,價(jià)格波動(dòng)性較強(qiáng),其價(jià)格預(yù)測(cè)也是研究熱點(diǎn)。黃金期貨價(jià)格組成的金融時(shí)間序列受到各方面因素的影響,使其具有混沌性,難以預(yù)測(cè)。根據(jù)混沌理論,一個(gè)非常復(fù)雜的經(jīng)濟(jì)時(shí)間序列的行為,看似隨機(jī)的,可以用一個(gè)確定性的非線性系統(tǒng)來(lái)解釋。本文采用2017年1月3日-2019年11月29日5min的連續(xù)黃金期貨數(shù)據(jù),對(duì)數(shù)據(jù)用小波分析進(jìn)行噪聲平滑,并提出三種預(yù)測(cè)方案,第一種是以傳統(tǒng)線性ARIMA模型做普通的線性預(yù)測(cè);第二種是基于黃金期貨價(jià)格時(shí)間序列所具有的非線性,用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè);第三種是在數(shù)據(jù)具有非線性的基礎(chǔ)上,檢驗(yàn)其是否具有混沌特征就必須對(duì)黃金時(shí)間價(jià)格序列進(jìn)行相空間重構(gòu),然后基于非線性混沌的性質(zhì)用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。實(shí)證結(jié)果表明,黃金期貨價(jià)格的波動(dòng)非常復(fù)雜,傳統(tǒng)的線性結(jié)構(gòu)模型在預(yù)測(cè)復(fù)雜的像黃金期貨價(jià)格時(shí)間序列不是很有效;非線性時(shí)間序列模型在預(yù)測(cè)黃金期貨價(jià)格方面有一定成果,但是仍有改進(jìn)空間;黃金期貨價(jià)格遵循一個(gè)復(fù)雜的非線性動(dòng)態(tài)過程,在最佳嵌入維數(shù)8)為47時(shí)... 

【文章來(lái)源】：上海師范大學(xué)上海市

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

黃金期貨高頻交易價(jià)格預(yù)測(cè)的問題描述與新預(yù)測(cè)方案構(gòu)思上海師范大學(xué)碩士學(xué)位論文31圖3混沌-RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖1、輸入層的確定混沌神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)由最佳嵌入維數(shù)決定，各神經(jīng)元的輸入為重構(gòu)相空間中的時(shí)序向量={,+,…,+(1)},=1,…,,=(1)，輸入層神經(jīng)元僅僅把輸入信號(hào)傳遞到隱層，權(quán)值取1。2、隱含層的確定隱層神經(jīng)元數(shù)由網(wǎng)絡(luò)訓(xùn)練次數(shù)決定，即每進(jìn)行一次RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練就會(huì)增加一個(gè)隱層神經(jīng)元。各神經(jīng)元的輸出由徑向基作用函數(shù)決定，這里采用高斯核函數(shù)：=exp[()()22]=1,2,…,(3-26)其中，為第個(gè)隱層神經(jīng)元的輸出，為樣本輸入，為第個(gè)隱層神經(jīng)元的高斯函數(shù)的中心值，是第個(gè)隱層神經(jīng)元高斯函數(shù)的寬度，是隱層神經(jīng)元數(shù)。3、輸出層的確定網(wǎng)絡(luò)的輸出值為隱層神經(jīng)元輸出的線性組合，即：=∑==1(3-27)其中，=(1,2,…,)為隱層到輸出層的權(quán)值，=(1,2,…,)為隱層輸出值，θ為門限值。4、混沌-RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)

黃金期貨高頻交易價(jià)格預(yù)測(cè)方案設(shè)計(jì)上海師范大學(xué)碩士學(xué)位論文354.1.3噪聲平滑處理金融時(shí)間序列中會(huì)存在很多噪音，噪音會(huì)影響模型的預(yù)測(cè)。尤其是高頻數(shù)據(jù)中的噪音更多，我們?cè)谧鲱A(yù)測(cè)前應(yīng)該對(duì)金融時(shí)間序列進(jìn)行降噪處理，去除掉多余的噪音，保留原金融時(shí)間序列的主趨勢(shì)。高頻數(shù)據(jù)的降噪方法有很多，比如傳統(tǒng)的降噪方式有線性的，主要通過最小方差濾波的方式，但是線性降噪的去噪能力較弱，效果較差。在非線性金融時(shí)間序列中，比較常用的是小波分析。本文的數(shù)據(jù)選用的是5min黃金期貨，屬于高頻數(shù)據(jù)，因此選用小波變換中的模極大值法進(jìn)行降噪，因?yàn)槟O大值法在降噪過程中信號(hào)會(huì)表現(xiàn)出不同的變化狀態(tài)。在用小波分析進(jìn)行降噪中，經(jīng)過多尺度分解的信號(hào)會(huì)分為高頻部分和低頻部分。信號(hào)是低頻部分的重要構(gòu)成，低頻部分對(duì)應(yīng)了高層分解的小波系數(shù)，它包含了金融時(shí)間序列自身變化所引起的波動(dòng)；而高頻部分則是金融時(shí)間序列中因?yàn)橥话l(fā)情況而造成的隨機(jī)波動(dòng)。因此，在用小波分析進(jìn)行降噪中，小波的分解層數(shù)越多，低頻部分被去掉的也就越多，同時(shí)也去掉了大量的信號(hào)，去噪效果能力較強(qiáng)。但是，并不是小波分解的層數(shù)越多越好，過多則會(huì)過濾掉一些有用的信號(hào)，預(yù)測(cè)結(jié)果也不夠準(zhǔn)確。本文以5min黃金期貨時(shí)間序列為數(shù)據(jù)，小波基函數(shù)選取Haar，因?yàn)镠aar小波基可以自動(dòng)實(shí)現(xiàn)信號(hào)分析要求，細(xì)分高頻部分和低頻部分，小波分解的層數(shù)先選擇了五層，但是過濾掉了太多有用信息，分解層數(shù)為二的噪聲保留的過多，最后選定了三層的分解層數(shù)，閾值的確定按照rigorsure方式去噪，在matlab2019a中進(jìn)行析。分解結(jié)果如下圖所示。圖5黃金期貨時(shí)間序列小波分解分層1

【參考文獻(xiàn)】：
期刊論文
[1]國(guó)內(nèi)外金屬期貨市場(chǎng)間的動(dòng)態(tài)聯(lián)動(dòng)以及多尺度特征研究——基于時(shí)頻視角分析[J]. 董洋,李潔,楊莉.  昆明理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[2]黃金期貨市場(chǎng)有效性與微觀特征關(guān)系研究[J]. 季俊偉,傅強(qiáng),王慶宇.  數(shù)理統(tǒng)計(jì)與管理. 2019(03)
[3]基于小波分析的大宗商品期貨價(jià)格對(duì)我國(guó)CPI的影響研究[J]. 朱雪超.  現(xiàn)代營(yíng)銷(信息版). 2019(03)
[4]中國(guó)有色金屬期貨價(jià)格發(fā)現(xiàn)效率比較——基于Johansen協(xié)整檢驗(yàn)和小波相干分析法[J]. 余敏麗.  價(jià)格理論與實(shí)踐. 2018(06)
[5]紐約黃金期貨與A股黃金板塊波動(dòng)溢出效應(yīng)研究[J]. 潘文榮,程旭,李憶.  金融發(fā)展研究. 2018(05)
[6]基于小波變換和時(shí)間序列模型的Brent原油期貨價(jià)格預(yù)測(cè)[J]. 耿倪.  中國(guó)商論. 2018(05)
[7]中美黃金期貨價(jià)格關(guān)聯(lián)性研究——基于連續(xù)交易推出前后變化的比較分析[J]. 安鐵雷,王喜明.  價(jià)格理論與實(shí)踐. 2017(08)
[8]商品期貨高頻交易價(jià)格趨勢(shì)實(shí)證分析——以黃金期貨市場(chǎng)為例[J]. 胡波.  價(jià)格理論與實(shí)踐. 2018(01)
[9]國(guó)際間黃金期貨市場(chǎng)價(jià)格聯(lián)動(dòng)關(guān)系研究——基于中國(guó)和美國(guó)、日本黃金期貨市場(chǎng)傳導(dǎo)影響的分析[J]. 王聰,劉晨.  價(jià)格理論與實(shí)踐. 2017(11)
[10]投資者情緒與黃金期貨價(jià)格動(dòng)態(tài)關(guān)系研究[J]. 劉金娥,高佳輝.  價(jià)格理論與實(shí)踐. 2017(09)

博士論文
[1]滬深300股指內(nèi)在復(fù)雜性分析及預(yù)測(cè)研究[D]. 崔亞強(qiáng).天津大學(xué) 2010
[2]多變量金融時(shí)間序列的非線性檢驗(yàn)及重構(gòu)研究[D]. 劉立霞.天津大學(xué) 2007

碩士論文
[1]混沌時(shí)序黃金期貨價(jià)格預(yù)測(cè)研究[D]. 李超.暨南大學(xué) 2018
[2]基于小波核支持向量機(jī)回歸的股指期貨價(jià)格預(yù)測(cè)[D]. 梁成.上海師范大學(xué) 2018
[3]WTI原油期貨價(jià)格波動(dòng)分析[D]. 耿倪.吉林財(cái)經(jīng)大學(xué) 2018
[4]我國(guó)豆粕期貨市場(chǎng)混沌性研究[D]. 郭榮.西北農(nóng)林科技大學(xué) 2014
[5]基于混沌時(shí)間序列的玉米期貨價(jià)格預(yù)測(cè)研究[D]. 張?chǎng)?東北農(nóng)業(yè)大學(xué) 2012



本文編號(hào)：3432927