本文選題：商品期貨　切入點：價格預(yù)測　出處：《山東大學》2017年碩士論文

【摘要】：投資者參與期貨交易進行套期保值、投機或者套利。如果能夠?qū)ζ谪泝r格波動做出及時準確的預(yù)測,可以有效降低交易風險,乃至獲取超額收益。本文主要基于隱馬爾科夫模型(Hidden Markov Model,HMM)相關(guān)的理論,研究商品期貨價格預(yù)測、期貨市場狀態(tài)預(yù)測的相關(guān)問題。本文采用國內(nèi)期貨市場上交易相對比較活躍的螺紋鋼期貨品種作為實證研究對象,首先在具有高斯輸出的隱馬爾科夫模型(Gaussian Hidden Markov Model,GHMM)下,采用處理后的收盤價序列作為單個特征因子進行實證分析。隨后放寬價格序列不相關(guān)的假設(shè),采用馬爾科夫狀態(tài)轉(zhuǎn)換自回歸模型(Markov Switching Autoregressive Model,MS-AR)進一步做實證檢驗,最后采用具有高斯混合輸出的隱馬爾科夫模型(Gaussian Mixture-Hidden Markov Model,GM-HMM)進行數(shù)據(jù)模式匹配,并進行價格預(yù)測。本文首先介紹了 HMM模型的發(fā)展歷程,然后介紹了與模型相關(guān)的理論基礎(chǔ),最后利用螺紋鋼連續(xù)(RB888)數(shù)據(jù)進行實證分析。實證過程主要包括模型參數(shù)估計、解碼和預(yù)測三個步驟。在GHMM和GM-HMM模型下,參數(shù)估計使用的是Baum-Welch算法,通過設(shè)定初始參數(shù)值并將訓練樣本數(shù)據(jù)傳入模型,經(jīng)過迭代估計得到最優(yōu)參數(shù)估計結(jié)果。預(yù)測過程是利用已經(jīng)學習得到的模型,對未來一段時間內(nèi)期貨價格、市場狀態(tài)進行預(yù)測。在價格預(yù)測中,本文使用GHMM模型預(yù)測了未來價格的概率分布,使用GM-HMM模型基于"單日預(yù)測"和"加權(quán)預(yù)測"的方式,預(yù)測了未來價格的走勢。狀態(tài)預(yù)測即預(yù)測市場所處的狀態(tài)以及市場狀態(tài)是否會發(fā)生轉(zhuǎn)變("牛轉(zhuǎn)熊"或者"熊轉(zhuǎn)牛")。在MS-AR模型下,模型的參數(shù)估計主要通過Hamilton濾波過程來實現(xiàn)。本文實證結(jié)果表明,GHMM,MS-AR和GM-HMM模型對于價格預(yù)測,都具有一定的精確度。本文研究內(nèi)容和方法,對于投資者看清市場,及時獲得市場走勢預(yù)測,并進行相應(yīng)交易具有一定的指導(dǎo)意義。
[Abstract]:Investors participate in futures trading for hedging, speculation or arbitrage.If the futures price fluctuation can be predicted timely and accurately, the transaction risk can be effectively reduced, and even the excess return can be obtained.Based on the theory of Hidden Markov Model (hmm), this paper studies the related problems of commodity futures price forecasting and futures market state forecasting.In this paper, the relatively active rebar futures in the domestic futures market are used as the empirical research object. Firstly, under the output of Gao Si's Hidden Markov Model (Gaussian Hidden Markov Model GHMMM),Using the processed closing price sequence as a single characteristic factor to carry on the empirical analysis.Then the assumption of irrelevance of price sequence was relaxed, and Markov Switching Autoregressive model MS-ARA was used to further test the data pattern matching. Finally, Gaussian Mixture-Hidden Markov Model GM-HMMM with Gao Si mixed output was used for data pattern matching.And carries on the price forecast.This paper first introduces the development of HMM model, and then introduces the theoretical basis related to the model. Finally, the empirical analysis is carried out by using the continuous steel bar RB888 data.The empirical process consists of three steps: model parameter estimation, decoding and prediction.In the GHMM and GM-HMM models, the parameter estimation is based on Baum-Welch algorithm. By setting the initial parameter value and passing the training sample data into the model, the optimal parameter estimation results are obtained by iterative estimation.The forecasting process is to predict the futures price and market state in the future by using the model that has been learned.In price forecasting, GHMM model is used to predict the probability distribution of future price, and GM-HMM model is used to predict the trend of future price based on "one day forecast" and "weighted forecast".State forecast is to predict the state of the market and whether the market state will change ("Bull to Bear" or "Bear to cattle").Under the MS-AR model, the parameter estimation of the model is mainly realized by the Hamilton filtering process.The empirical results show that both GHMM MS-AR and GM-HMM model have some accuracy for price prediction.The research contents and methods of this paper have certain guiding significance for investors to see the market, get market trend forecast in time, and carry on the corresponding transaction.
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F224;F724.5;F764.2

【相似文獻】

相關(guān)期刊論文 前10條

1 孫秀娟;金民鎖;陳孝國;;基于隱馬爾科夫模型的瀏覽興趣預(yù)測[J];科技導(dǎo)報;2009年18期

2 李曉琴;仁文科;劉岳;;利用隱馬爾科夫模型識別蛋白質(zhì)折疊類型[J];北京工業(yè)大學學報;2011年07期

3 胡可,張大力;一類廣義隱馬爾科夫模型的建模與參數(shù)估計(英文)[J];中國科學院研究生院學報;2005年02期

4 劉曉飛;邸書靈;;基于隱馬爾科夫模型的文本分類[J];石家莊鐵道大學學報(自然科學版);2013年01期

5 陳順強;馬嘿瑪伙;;基于隱馬爾科夫模型的彝文分詞系統(tǒng)設(shè)計與開發(fā)[J];西南民族大學學報(自然科學版);2012年01期

6 豐月姣;賀興時;;二階隱馬爾科夫模型的原理與實現(xiàn)[J];價值工程;2009年12期

7 才華;;隱馬爾科夫模型在詞性標注中的應(yīng)用[J];西藏大學學報(自然科學版);2012年02期

8 王艷霞;王迎迎;樊春玲;;基于峭度系數(shù)和隱馬爾科夫模型的氣液兩相流流型識別方法[J];化工自動化及儀表;2014年07期

9 何麗;;基于隱馬爾科夫模型下的實時風險管理[J];電腦知識與技術(shù);2014年08期

10 汪一亭;;隱馬爾科夫模型基于殘基對蛋白質(zhì)序列的分析[J];池州學院學報;2014年03期

相關(guān)會議論文 前8條

1 肖鏡輝;劉秉權(quán);;一種非時齊的隱馬爾科夫模型及其在音字轉(zhuǎn)換中的應(yīng)用[A];全國第八屆計算語言學聯(lián)合學術(shù)會議（JSCL-2005）論文集[C];2005年

2 劉文壯;李均利;;一種基于隱馬爾科夫模型的脫機手寫漢字識別方法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

3 彭子平;張嚴虎;潘露露;;隱馬爾科夫模型原理及其重要應(yīng)用[A];2008'中國信息技術(shù)與應(yīng)用學術(shù)論壇論文集（一）[C];2008年

4 王宏生;孫美玲;李家峰;;隱馬爾科夫模型在構(gòu)建語言模型中的應(yīng)用[A];創(chuàng)新沈陽文集（A）[C];2009年

5 張勁松;戴蓓倩;郁正慶;王長富;;漢語識別中隱馬爾科夫模型初始化的研究[A];第二屆全國人機語音通訊學術(shù)會議論文集[C];1992年

6 劉杰;梁曉輝;;基于Fused隱馬爾科夫模型的人體運動識別[A];第八屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2012)論文集CHCI[C];2012年

7 林晨;金蓓弘;龍震岳;陳海彪;;上下文感知的分布式事件分發(fā)研究[A];第18屆全國多媒體學術(shù)會議（NCMT2009）、第5屆全國人機交互學術(shù)會議（CHCI2009）、第5屆全國普適計算學術(shù)會議（PCC2009）論文集[C];2009年

8 楊s，

本文編號：1705225