本文嘗試了將鋼鐵產(chǎn)業(yè)的產(chǎn)業(yè)分析融合到價格的模型預測中:從宏觀的產(chǎn)業(yè)周期到微觀的供需關系對鋼鐵行業(yè)進行了系統(tǒng)地分析,并由此對鋼鐵價格的影響因素和形成原因進行了分析。本文基于這些產(chǎn)業(yè)分析提出了具體的模型預測方法,運用了一些模型對因子預處理,在模型預測后根據(jù)產(chǎn)業(yè)的分析對模型的問題和優(yōu)點做出解釋,并嘗試改進模型。改進后的結(jié)果優(yōu)于改進前的結(jié)果。

【文章頁數(shù)】：49 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景
    1.2 相關研究現(xiàn)狀
        1.2.1 鋼鐵行業(yè)的研究現(xiàn)狀
        1.2.2 SVM算法的研究現(xiàn)狀
        1.2.3 神經(jīng)網(wǎng)絡算法研究現(xiàn)狀
    1.3 創(chuàng)新點和研究展望
    1.4 本文的研究內(nèi)容及章節(jié)結(jié)構(gòu)
第二章 鋼鐵行業(yè)介紹
    2.1 鋼鐵介紹及冶煉技術(shù)
    2.2 鋼鐵的上游原料
    2.3 鋼材的分類及需求
    2.4 黑色系衍生品品種
    2.5 我國鋼鐵行業(yè)發(fā)展情況
        2.5.1 我國粗鋼消費量常年快速增長
        2.5.2 我國鋼材進出口情況
    2.6 鋼鐵產(chǎn)業(yè)周期及國際的借鑒
    2.7 我國鋼鐵行業(yè)現(xiàn)狀
第三章 鋼鐵價格分析
    3.1 鋼鐵價格簡析
    3.2 鋼貿(mào)商的運作模式與需求
    3.3 價格預測的主要困難
    3.4 真實價值與實際價格
第四章 SVM與BP神經(jīng)網(wǎng)絡分類模型
    4.1 SVM模型
        4.1.1 SVM基本模型
        4.1.2 對偶
        4.1.3 拉格朗日對偶
        4.1.4 KKT條件
        4.1.5 最優(yōu)分類函數(shù)
        4.1.6 核函數(shù)及其有效性檢驗
        4.1.7 正則化與不可分情形
        4.1.8 SMO算法
        4.1.9 Multi-SVM模型
    4.2 BP神經(jīng)網(wǎng)絡模型
        4.2.1 神經(jīng)元與神經(jīng)網(wǎng)絡
        4.2.2 Sigmoid函數(shù)
        4.2.3 BP神經(jīng)網(wǎng)絡算法詳解
第五章 實驗結(jié)果
    5.1 數(shù)據(jù)的選取與預處理
    5.2 消除數(shù)據(jù)的季節(jié)性因素
        5.2.1 消除季節(jié)性方法綜述
        5.2.2 我國農(nóng)歷的特殊性
        5.2.3 用ARIMA方法消除庫存季節(jié)性
    5.3 用Muti-SVM進行價格趨勢預測
    5.4 預測結(jié)果的評判
    5.5 模型的改進
    5.6 改進后的預測結(jié)果
    5.7 BP神經(jīng)網(wǎng)絡的結(jié)果
    5.8 基于價格趨勢預測和基差的倉位管理
    5.9 分類方法的改進
第六章 結(jié)論
參考文獻
致謝



本文編號：3885254