隨著我國(guó)經(jīng)濟(jì)的發(fā)展壯大,對(duì)原材料的需求越來(lái)越大。期貨市場(chǎng)作為金融市場(chǎng)的-重要組成部分,交易著各種原材料期貨,且期貨市場(chǎng)有著規(guī)避風(fēng)險(xiǎn)、價(jià)格發(fā)現(xiàn)、資產(chǎn)配置的功能。因此研究期貨市場(chǎng)的價(jià)格變化趨勢(shì)對(duì)于企業(yè)穩(wěn)健發(fā)展有著重要作用。期貨價(jià)格時(shí)間序列數(shù)據(jù)是期貨市場(chǎng)上經(jīng)過(guò)一定時(shí)間進(jìn)行交易所形成的歷史交易數(shù)據(jù),由多重因素綜合作用形成的,是過(guò)去一段時(shí)間期貨市場(chǎng)運(yùn)動(dòng)特征的外在表現(xiàn),本文選擇期貨指數(shù)時(shí)間序列預(yù)測(cè)作為研究問(wèn)題。銅作為交易活躍的期貨品種,因此本文以上海期貨交易所的滬銅指數(shù)為研究對(duì)象,提取了該期貨從2000年到2017年總共17年的歷史收盤價(jià)交易數(shù)據(jù),并在此數(shù)據(jù)上進(jìn)行實(shí)證研究,進(jìn)行全時(shí)域的預(yù)測(cè),以追求更高的收益率為目標(biāo)。本文基于場(chǎng)景疊加思路建立組合模型對(duì)期貨指數(shù)進(jìn)行預(yù)測(cè)。主要完成以下工作:（1）提出場(chǎng)景疊加的預(yù)測(cè)方法。通過(guò)對(duì)文獻(xiàn)的總結(jié),時(shí)間序列的預(yù)測(cè)方法可以分為三類:傳統(tǒng)模型預(yù)測(cè)、智能模型預(yù)測(cè)和組合模型預(yù)測(cè)。單模型在一些特定的、短期的場(chǎng)景下能起到良好的預(yù)測(cè)效果,組合模型預(yù)測(cè)能彌補(bǔ)單模型預(yù)測(cè)的缺陷,但在進(jìn)行預(yù)測(cè)研究之前,常常要對(duì)時(shí)間序列進(jìn)行分段處理,將不同子序列的結(jié)果綜合起來(lái)。而場(chǎng)景疊加的方式則是通過(guò)嚴(yán)... 

【文章來(lái)源】：東北財(cái)經(jīng)大學(xué)遼寧省

【文章頁(yè)數(shù)】：67 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１所示：??金融時(shí)間序列數(shù)據(jù)

ｐ?＝?ｐ（２?－?Ｘｊ＋ｉ／ｘｊ）?（３－４）??ｊ點(diǎn)為上一次做多或做空交易點(diǎn)。??（４）根據(jù)步驟３得到的總收益率，計(jì)算年化收益率。??（５）更改參數(shù)，重復(fù)步驟２、３、４，保存所有數(shù)據(jù)（用于第７步的最終優(yōu)選），??同時(shí)選擇當(dāng)前模型中的最優(yōu)參數(shù)，并將該參數(shù)的模型得到的極大極小值拐點(diǎn)保存，選??擇作為下一級(jí)模型的樣本點(diǎn)。??（６）分別計(jì)算其他模型，并重復(fù)步驟２、３、４、５??（７）模型比較并優(yōu)選合適的擬合模型。??３．２模型處理??３．２．１移動(dòng)平均模型??對(duì)移動(dòng)平均模型設(shè)置不同的長(zhǎng)度，如下圖所示，當(dāng)長(zhǎng)度分別設(shè)置為５天平均、１０??天平均、１５天平均、２０天平均和２５天平均時(shí)的擬合曲線和原始數(shù)據(jù)的曲線對(duì)比，如??圖３－１所示，對(duì)比的數(shù)據(jù)是從２００９年的１月到２００９年的５月，總共４個(gè)月的時(shí)間。??

??應(yīng)的收益率曲線如下圖３－３所示：??：＝??＾?５１?＊?－?？Ｄ〇ｃ??２ＤＨ－０２?ＸＩ０－０７?２Ｃ／Ｃ－１＿?Ｚ＇ｌ－Ｃ２?Ｘ＇１－Ｃ７?２ＣＨ－ｌｔ?ｉ＃２－Ｃ３?２０?＾／－Ｃ：?２Ｔ２－＇??圖３－３均線收益率隨金融時(shí)間序列變化曲線??從上圖３－３可以看出，若是采用原始序列數(shù)據(jù)曲線做交易，其盈利效果是不如其??他擬合曲線效果的，而且，從圖中可以得出，當(dāng)移動(dòng)平均模型長(zhǎng)度為５時(shí)，效果是最??好的，當(dāng)長(zhǎng)度為１０時(shí)，效果次之，而長(zhǎng)度為１５時(shí)，則效果最差。本文研宄的是全時(shí)??域狀態(tài)，單獨(dú)一年的效果并不影響整個(gè)模型的評(píng)判，按照之前的方法，在己有數(shù)據(jù)的??情況下，統(tǒng)計(jì)移動(dòng)平均模型在不同長(zhǎng)度時(shí)，根據(jù)收益率計(jì)算算法計(jì)算收益率，計(jì)算結(jié)??果如下表３－２所示：??表３－２??不同移動(dòng)平均長(zhǎng)度時(shí)的收益率情況????移動(dòng)平均模型長(zhǎng)度?年

【參考文獻(xiàn)】：
期刊論文
[1]基于粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量預(yù)測(cè)分析[J]. 王超英,鐘輝.  計(jì)算技術(shù)與自動(dòng)化. 2017(03)
[2]基于支持向量機(jī)算法的股市拐點(diǎn)預(yù)測(cè)分析[J]. 李海燕.  鄭州大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2015(01)
[3]滬銅期貨套期保值有效性實(shí)證研究[J]. 湯浩.  科技廣場(chǎng). 2014(11)
[4]基于組合預(yù)測(cè)模型的股票價(jià)格趨勢(shì)預(yù)測(cè)[J]. 鄭獻(xiàn)衛(wèi),張賀.  工業(yè)控制計(jì)算機(jī). 2014(06)
[5]基于混合模型的原油價(jià)格混沌預(yù)測(cè)方法[J]. 張金良,譚忠富.  運(yùn)籌與管理. 2013(05)
[6]基于SVR的非線性時(shí)間序列預(yù)測(cè)方法應(yīng)用綜述[J]. 陳榮,梁昌勇,謝福偉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)
[7]基于特征點(diǎn)分段的多元時(shí)間序列相似性搜索[J]. 王燕,馬倩倩,韓萌.  計(jì)算機(jī)工程與應(yīng)用. 2012(33)
[8]基于特征提取的金融時(shí)間序列形態(tài)挖掘[J]. 陳靜,張川,徐成賢.  統(tǒng)計(jì)與信息論壇. 2010(06)
[9]時(shí)間序列的非線性趨勢(shì)預(yù)測(cè)及應(yīng)用綜述[J]. 王婷婷,錢曉東.  計(jì)算機(jī)工程與設(shè)計(jì). 2010(07)
[10]基于ARIMA模型的我國(guó)石油價(jià)格預(yù)測(cè)分析[J]. 肖龍階,仲偉俊.  南京航空航天大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2009(04)

博士論文
[1]數(shù)據(jù)驅(qū)動(dòng)的金融時(shí)間序列預(yù)測(cè)模型研究[D]. 張貴生.山西大學(xué) 2016
[2]時(shí)間序列數(shù)據(jù)挖掘中的特征表示與相似性度量方法研究[D]. 李海林.大連理工大學(xué) 2012
[3]金融時(shí)間序列模式挖掘方法的研究[D]. 吳學(xué)雁.華南理工大學(xué) 2010



本文編號(hào)：3528656