本文關鍵詞：銅期貨價格預測模型優(yōu)化及套期保值策略研究，由筆耕文化傳播整理發(fā)布。

【摘要】：金屬銅由于諸多優(yōu)異的物理、化學性質,被廣泛運用于電氣、輕工、機械制造、建筑工程、國防工業(yè)等領域,是國民經(jīng)濟中最重要的有色金屬。作為全球第一大精銅消費國,中國對精銅的需求量占到全球總需求的43%,但由于國內(nèi)精銅產(chǎn)量有限,中國約有三成的精銅需求依賴凈進口來滿足。而銅價本身是銅工業(yè)屬性及金融屬性的綜合表現(xiàn),受到供需基本面、全球經(jīng)濟情況、貨幣政策等諸多因素影響,因此銅價往往呈現(xiàn)大幅波動。尤其是金融危機后銅的金融屬性進一步提升,價格波動加劇。與此同時,銅企的經(jīng)營業(yè)績極易受銅價波動影響,盡管我國推出了滬銅期貨,為國內(nèi)銅企套期保值提供了途徑,但由于銅價波動較大,很多企業(yè)套期保值效果不佳。故預測滬銅期貨價格變動,并在此基礎上制定套期保值策略現(xiàn)實意義重大。論文分析了銅的全球供需基本面情況,運用ARIMA、GM(1,1)、BP神經(jīng)網(wǎng)絡3個單一預測模型對滬銅價格進行預測,并在單一模型預測的基礎上,建立了基于最優(yōu)權重的線性組合模型和基于BP神經(jīng)網(wǎng)絡的非線性組合模型這2種組合預測模型�？紤]到模型對不同數(shù)據(jù)的適用性不同,文章針對趨勢行情、反轉行情、震蕩行情3類市場行情及長期、中期、短期3種時間跨度共計9(3*3)種情況分別進行價格預測,來檢測組合預測模型的適用性,從而得到合適的滬銅價格預測模型。論文研究得到以下結論：最優(yōu)權重的線性組合預測模型、基于BP神經(jīng)網(wǎng)絡的非線性組合預測模型這2種組合預測模型在9種情形下,必有一種組合預測模型能得到最優(yōu)預測結果,即組合預測模型較單一預測模型有著更佳的預測效果；兩種組合預測模型中,基于BP神經(jīng)網(wǎng)絡的非線性組合預測模型有著更廣的適用性,在檢驗的9種情形中有7次能達到最優(yōu)預測結果,且預測值的平均誤差均小于1%(除長期反轉)。以中期趨勢行情為例,基于BP神經(jīng)網(wǎng)絡的非線性組合模型對6個未來值的預測相對誤差范圍為[0.13%,1.31%],最大單一誤差1.31%,累計誤差4.26%,較ARIMA、GM(1,1)、BP神經(jīng)網(wǎng)絡3個單一預測模型模型及最優(yōu)權重的線性組合預測模型均有著更高的預測精度；組合預測方法適用性良好,可適用于除長時間跨度反轉外的其他8種情形。基于上述研究,文章給出了合適的滬銅價格預測模型——即基于ARIMA、GM(1,1)、BP神經(jīng)網(wǎng)絡3個單一預測模型的最優(yōu)權重線性組合模型或基于BP神經(jīng)網(wǎng)絡的非線性組合模型,該模型能較為準確地預測滬銅期貨價格。在價格預測的基礎上,通過進一步調(diào)整套保比例、基于基差預測調(diào)整期貨市場操作等方式對傳統(tǒng)套期保值策略進行改進,以此在規(guī)避風險的同時增加企業(yè)利潤,實現(xiàn)策略優(yōu)化。
【關鍵詞】：滬銅價格預測 單一預測模型 組合預測模型 套期保值策略
【學位授予單位】：浙江大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224;F724.5;F764.2
【目錄】：

• 致謝5-6
• 摘要6-8
• ABSTRACT8-12
• 1 緒論12-17
• 1.1 研究背景12-14
• 1.2 研究意義14
• 1.3 研究思路14-16
• 1.4 可能的創(chuàng)新點16-17
• 2 國內(nèi)外研究評述17-26
• 2.1 套期保值研究進展17-18
• 2.2 滬銅期貨價格影響因素研究進展18-20
• 2.3 價格預測研究進展20-22
• 2.3.1 線性時間序列預測20-21
• 2.3.2 非線性時間序列預測21-22
• 2.4 組合預測模型研究進展22-25
• 2.4.1 單項預測模型的篩選22-23
• 2.4.2 單項模型連接方式的選擇23-24
• 2.4.3 單項模型權重的確定24-25
• 2.5 小結25-26
• 3 銅產(chǎn)業(yè)供需分析26-39
• 3.1 銅價與供需26-27
• 3.2 全球銅供給分析27-33
• 3.2.1 銅礦供給28-31
• 3.2.2 銅冶煉供給31-33
• 3.3 全球銅需求分析33-35
• 3.4 全球銅庫存分析35-36
• 3.5 中國銅供需分析36-38
• 3.6 小結38-39
• 4 基于單項模型的銅期貸價格預測39-58
• 4.1 ARIMA模型實證39-45
• 4.1.1 ARIMA模型概述39-40
• 4.1.2 模型步驟40-41
• 4.1.3 ARIMA建模及預測41-45
• 4.2 灰色預期模型實證45-51
• 4.2.1 灰色預期模型概述45
• 4.2.2 模型原理45-46
• 4.2.3 GM(1,1)模型建模及預測46-51
• 4.3 BP神經(jīng)網(wǎng)絡模型實證51-58
• 4.3.1 BP神經(jīng)網(wǎng)絡模型概述51-52
• 4.3.2 模型原理52-53
• 4.3.3 BP神經(jīng)網(wǎng)絡建模及預測53-58
• 5 銅期貸價格預測模型的優(yōu)化58-68
• 5.1 組合預測模型原理58-59
• 5.2 最優(yōu)權重線性組合預測模型構建59-62
• 5.3 最優(yōu)權重線性組合預測模型預測62-64
• 5.4 基于BP的非線性組合預測模型預測64-68
• 6 銅期貨價格預測模型的適用性檢測68-75
• 6.1 分類數(shù)據(jù)選取68-72
• 6.2 模型適用性檢驗72-73
• 6.3 適用性檢驗結論73-75
• 7 基于銅期貸價格預測的套期保值策略研究75-87
• 7.1 套期保值方案構建的一般步驟76-78
• 7.2 基于滬銅價格預測的套期保值案例78-87
• 7.2.1 公司概況78-79
• 7.2.2 套期保值方案79-87
• 8 結論87-89
• 參考文獻89-97
• 附錄97-159
• 附錄一 模型原數(shù)據(jù)97-107
• 附錄二 MATLAB源代碼107-118
• 附錄三 模型適用性檢驗原數(shù)據(jù)及結果118-159

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 鄭豐;崔積鈺;馬志偉;;滬銅期貨市場波動聚集現(xiàn)象研究[J];技術經(jīng)濟與管理研究;2013年09期

2 周偉;何建敏;余德建;;不同趨勢下滬銅場內(nèi)外風險傳染實證——基于整體傳染與時變傳染的分析[J];管理工程學報;2013年02期

3 胡東濱;張展英;;基于DCC-GARCH模型的金屬期貨市場與外匯、貨幣市場的動態(tài)相關性研究[J];數(shù)理統(tǒng)計與管理;2012年05期

4 王唯賢;陳利軍;;股票價格預測的建模與仿真研究[J];計算機仿真;2012年01期

5 祝合良;許貴陽;;我國黃金期貨市場套期保值功能的實證研究[J];財貿(mào)經(jīng)濟;2012年01期

6 王輝;謝幽篁;;中國商品期貨動態(tài)套期保值研究:基于修正ADCC和DADCC-GARCH模型的分析[J];世界經(jīng)濟;2011年12期

7 許興軍;顏鋼鋒;;基于BP神經(jīng)網(wǎng)絡的股價趨勢分析[J];浙江金融;2011年11期

8 侯麗敏;馬國峰;;基于灰色線性回歸組合模型鐵路客運量預測[J];計算機仿真;2011年07期

9 黃召杰;陳偉;;組合預測方法在我國鐵路客流預測中的應用[J];交通科技與經(jīng)濟;2011年04期

10 胡龍;胡太軍;;基于VECM-GARCH模型的滬銅指數(shù)與上證指數(shù)的聯(lián)動分析[J];金融與經(jīng)濟;2011年06期

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 任治國;基于GM（1，，1）動態(tài)等維殘差修正-BP神經(jīng)網(wǎng)絡組合預測模型[D];湖南大學;2015年

2 崔積鈺;滬銅期貨市場分形特征研究[D];北方工業(yè)大學;2014年

3 王春嵐;基于R/S分析法的滬銅期貨市場長記憶性特征研究[D];東北師范大學;2014年

4 張蓉;企業(yè)套期保值風險管理研究[D];廈門大學;2014年

5 王寧;銅期貨市場有效性的實證研究[D];首都經(jīng)濟貿(mào)易大學;2014年

6 金枝;基于CoVaR方法的滬銅和倫銅期貨市場的風險溢出效應研究[D];浙江財經(jīng)大學;2014年

7 雷小艷;期貨市場滬銅價格與倫銅價格的動態(tài)關系研究[D];暨南大學;2013年

8 劉永高;滬銅收益率波動性及影響因素實證研究[D];江西財經(jīng)大學;2013年

9 郭勇;基于動態(tài)Copula-TGARCH模型的滬銅期貨套期保值研究[D];湖南大學;2013年

10 李瓊鶴;“中國因素”對國際銅價波動的影響及實證檢驗[D];中南大學;2012年

  本文關鍵詞：銅期貨價格預測模型優(yōu)化及套期保值策略研究，由筆耕文化傳播整理發(fā)布。

本文編號：453542