论文部分内容阅读
期货市场是市场经济的重要组成部分。其中农产品期货作为期货市场的组织架构之一,在整个市场中发挥着十分重要的作用。玉米作为中国农产品期货市场最早一批上市的期货品种,对其下游产物以及其他期货品种的市场都有着重要的影响。因此,分析玉米期货价格的影响因素以及对其价格预测的研究,无论对于玉米种植者、玉米期货的投资者还是管理者都有重要的意义。由于期货投资的杠杆性决定了投资者在进行期货投资时要面临更大的风险。所以,能否对玉米期货价格的未来走势进行准确研判,是进行玉米期货投资的关键所在。随着计算机技术和统计学习的发展,极大的丰富了对证券市场的分析方法,其中机器学习对于非线性系统具有良好的逼近能力,其在于证券分析领域中的应用越来越受到重视。本研究为了全面考虑期货市场问题,在对影响玉米期货价格的基本面因素分析的基础上,把技术指标和机器学习方法有效的结合起来分别对玉米期货价格波动趋势和波动区间进行建模与实证应用研究。价格趋势预测的研究中,先从2006年1月到2015年12月所有交易日的玉米期货收盘价走势中截取210个带有上升趋势的数据片段,采用5折交叉验证方法分别从趋势片段中取168组做训练数据集,另外42组做测试数据集。然后采用数据特征提取方法对原始价格数据进行处理,再分别用独立成分分析(ICA)和主成分分析(PCA)进行降维处理,最后结合机器学习方法中的支持向量机(SVM)对期货价格趋势进行涨跌的预测。结果显示:采用SVM分类方法对期货价格数据特征提取后和降维后的期货价格涨跌的预测是可行的;并且,SVM对降维后的预测效果相对于只特征提取后的的预测效果具有显著提高;此外本研究中经过ICA降维处理的预测效果要优于PCA的效果,对于趋势片段的预测准确度提高了11%。最后利用ICA和SVM模型对2017年240个交易日的玉米期货c05合约的收盘价进行趋势预测,结果预测准确率为65.83%,说明该研究方法有一定的参考价值。价格波动区间的预测研究中,主要将模糊信息粒化(FIG)与最小二乘支持向量机(LSSVM)相结合对玉米期货价格波动空间进行预测。该研究以2006年1月到2015年12月的玉米期货开盘价数据为样本进行模拟训练,通过交叉验证的方法对SVM参数进行寻优,以5d作为一个信息粒化窗口,并对三角型模糊粒子的三个参数Low、R、Up进行回归预测。最终得出未来5个交易日的(2016年1月4日到8日)玉米期货开盘价的变化范围,结果与实际相符。基于FIG和LSSVM的预测效果与传统的以及其他两种SVM模型的预测效果进行对比,其均方误差最小,可知基于FIG和LSSVM方法预测结果与真实值最接近。结果表明基于FIG和LSSVM预测方法在玉米期货价格预测中是可行和有效的。最后用该模型对2017年48个粒化空间的玉米期货c05合约的开盘价的波动空间进行预测,结果与真实值拟合较好,说明该研究方法有一定的参考价值,并对期货投资者进行价格波动的研判具有实际指导意义。