基于智能優(yōu)化多因子深度學習的期貨價格預測研究
發(fā)布時間:2023-06-17 20:44
隨著市場化經(jīng)濟體制改革,我國期貨市場逐漸發(fā)展壯大。1990年10月,鄭州糧食批發(fā)市場的成立標志著中國期貨市場的誕生。時隔30年,我國期貨市場已經(jīng)初具規(guī)模。期貨市場在不斷完善的過程中發(fā)揮著越來越重要的作用,期貨價格的走勢不僅影響投資者的切身利益,還關系到市場整體的健康發(fā)展。因此,提高期貨價格的預測精度不僅具有理論意義,更具有深遠的現(xiàn)實意義。然而,期貨價格具有非線性和非平穩(wěn)性的特征,這給高精度預測帶來了嚴峻的挑戰(zhàn)。為了提升模型的預測效果,增加模型在數(shù)據(jù)集上的魯棒性,筆者將從以下內(nèi)容展開研究:(1)對市場的有效性進行檢驗:通過Hurst檢驗、ADF檢驗以及方差比率檢驗證明市場不服從隨機游走假設,具有一定的可預測性;(2)收集與預測變量具有相關性的因子,利用互信息以及Lasso方法對收集的因子進行綜合篩選,并使用堆棧自編碼器(SAE)降低篩選后因子的維度,在不損失有效信息的前提下,提高后續(xù)預測模型的收斂速度;(3)在長短期記憶網(wǎng)絡(LSTM)的基礎上引入Attention機制,并使用布谷鳥優(yōu)化算法(CS)對模型的重要參數(shù)進行尋優(yōu),提高確定性預測的魯棒性以及預測精度;(4)為了體現(xiàn)預測系統(tǒng)的完整...
【文章頁數(shù)】:78 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.1.1 選題背景
1.1.2 研究意義
1.2 國內(nèi)外研究綜述
1.2.1 確定性點預測
1.2.2 不確定性區(qū)間預測
1.2.3 文獻述評
1.3 研究內(nèi)容安排及創(chuàng)新
1.3.1 研究內(nèi)容
1.3.2 主要創(chuàng)新
1.3.3 內(nèi)容安排
第二章 理論基礎與研究設計
2.1 市場有效性檢驗方法
2.2 多因子分析方法
2.2.1 互信息
2.2.2 最小絕對收縮和選擇算子(Lasso)
2.2.3 堆棧自編碼器(SAE)
2.3 確定性預測方法
2.4 不確定性區(qū)間預測方法
2.5 研究設計
第三章 市場有效性檢驗與期貨價格影響因子分析
3.1 實驗數(shù)據(jù)的選擇
3.1.1 主連合約的構(gòu)建
3.1.2 描述性分析
3.1.3 技術指標
3.2 市場有效性檢驗
3.2.1 Hurst檢驗
3.2.2 ADF檢驗
3.2.3 方差比率檢驗
3.3 多因子分析
3.3.1 因子相關性分析
3.3.2 綜合因子篩選
3.3.3 因子壓縮
3.4 本章小結(jié)
第四章 基于CS-Attention-LSTM模型的確定性預測
4.1 模型搭建及參數(shù)優(yōu)化
4.1.1 數(shù)據(jù)無量綱化
4.1.2 Attention-LSTM模型設計
4.1.3 布谷鳥優(yōu)化算法調(diào)參
4.2 預測結(jié)果分析
4.2.1 模型評估指標
4.2.2 模型預測結(jié)果
4.3 預測效果評估
4.4 參數(shù)的敏感性檢驗
4.5 本章小結(jié)
第五章 基于GS-QRLSTM模型的不確定性區(qū)間預測
5.1 模型設計
5.1.1 模型評價指標
5.1.2 分位數(shù)回歸LSTM
5.2 模型訓練
5.2.1 網(wǎng)格搜索優(yōu)化算法調(diào)參
5.2.2 預測結(jié)果分析
5.3 模型驗證
5.3.1 分位數(shù)回歸梯度提升樹(QRGBDT)
5.3.2 高斯過程回歸(GPR)
5.3.3 模型效果評估
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.1.1 主要結(jié)論
6.1.2 不足
6.2 展望
參考文獻
附錄
致謝
作者簡介及攻讀碩士學位期間取得的研究成果
本文編號:3834107
【文章頁數(shù)】:78 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 研究背景及意義
1.1.1 選題背景
1.1.2 研究意義
1.2 國內(nèi)外研究綜述
1.2.1 確定性點預測
1.2.2 不確定性區(qū)間預測
1.2.3 文獻述評
1.3 研究內(nèi)容安排及創(chuàng)新
1.3.1 研究內(nèi)容
1.3.2 主要創(chuàng)新
1.3.3 內(nèi)容安排
第二章 理論基礎與研究設計
2.1 市場有效性檢驗方法
2.2 多因子分析方法
2.2.1 互信息
2.2.2 最小絕對收縮和選擇算子(Lasso)
2.2.3 堆棧自編碼器(SAE)
2.3 確定性預測方法
2.4 不確定性區(qū)間預測方法
2.5 研究設計
第三章 市場有效性檢驗與期貨價格影響因子分析
3.1 實驗數(shù)據(jù)的選擇
3.1.1 主連合約的構(gòu)建
3.1.2 描述性分析
3.1.3 技術指標
3.2 市場有效性檢驗
3.2.1 Hurst檢驗
3.2.2 ADF檢驗
3.2.3 方差比率檢驗
3.3 多因子分析
3.3.1 因子相關性分析
3.3.2 綜合因子篩選
3.3.3 因子壓縮
3.4 本章小結(jié)
第四章 基于CS-Attention-LSTM模型的確定性預測
4.1 模型搭建及參數(shù)優(yōu)化
4.1.1 數(shù)據(jù)無量綱化
4.1.2 Attention-LSTM模型設計
4.1.3 布谷鳥優(yōu)化算法調(diào)參
4.2 預測結(jié)果分析
4.2.1 模型評估指標
4.2.2 模型預測結(jié)果
4.3 預測效果評估
4.4 參數(shù)的敏感性檢驗
4.5 本章小結(jié)
第五章 基于GS-QRLSTM模型的不確定性區(qū)間預測
5.1 模型設計
5.1.1 模型評價指標
5.1.2 分位數(shù)回歸LSTM
5.2 模型訓練
5.2.1 網(wǎng)格搜索優(yōu)化算法調(diào)參
5.2.2 預測結(jié)果分析
5.3 模型驗證
5.3.1 分位數(shù)回歸梯度提升樹(QRGBDT)
5.3.2 高斯過程回歸(GPR)
5.3.3 模型效果評估
5.4 本章小結(jié)
第六章 總結(jié)與展望
6.1 總結(jié)
6.1.1 主要結(jié)論
6.1.2 不足
6.2 展望
參考文獻
附錄
致謝
作者簡介及攻讀碩士學位期間取得的研究成果
本文編號:3834107
本文鏈接:http://sikaile.net/jingjifazhanlunwen/3834107.html
最近更新
教材專著