基于神经网络的黄金期货价格预测.pdf

《基于神经网络的黄金期货价格预测.pdf》由会员分享，可在线阅读，更多相关《基于神经网络的黄金期货价格预测.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 卷湖北师范学院学报（自然科学版）畅 第 期 （）畅，基于神经网络的黄金期货价格的预测王中香，王凤，何穗（华中师范大学 数学与统计学院，湖北 武汉）摘要：黄金期货市场是一个极其复杂的非线性动力系统，由于神经网络具有很强的非线性逼近能力，理论上能无限逼近任意非线性函数。选用了应用最广泛的 神经网络模型来预测黄金期货的价格。对采集到的影响黄金期货价格的因素数据进行了归一化处理后建立 神经网络并进行了模拟训练，然后用训练好的网络进行检验，并比较了输出结果和真实值，发现用 神经网络模型能够将误差控制在一个较小的范围内。经过实证研究可以发现 神经网络用于价格预测可达到较好的效果。关键词：黄金期货；价格

2、；神经网络；预测中图分类号：文献标识码：文章编号：-（）-年 月 日，上海期货交易所黄金期货正式挂牌上市，成为铜、铝、锌之后在我国上市的又一个金属期货品种，从而成为第一个具有真正意义上的金融期货品种，这标志着我国期货市场的发展出现了结构性的转变。黄金期货的上市必将逐步打破现有的投资市场格局，成为我国投资市场的领头羊之一。它必将吸引大多数的投资者转移投资方向，使投资者多了一个分散资金降低自身投资风险的渠道，成为投资者长期投资的真正首选。此外，黄金期货的上市将使我国的期货市场更加完备。所以对黄金期货市场进行研究具有及其重要的应用价值和现实意义。而价格是黄金期货市场的核心，所以对其价格的波动做出正确

3、的描述是十分必要的。黄金期货市场是一个及其复杂的非线性动力系统，所以很难用建立在计量经济学基础上的模型来研究。因为它们大部分都是线性的，存在着不适合动态系统的局限性，很难把握经济系统中的非线性现象，因而会使经济预测误差加大，而神经网络能有效地解决此类问题，因为神经网络具有很强的非线性逼近能力，在理论上能逼近任意非线性函数，所以能有效的解决非线性预测问题。自 世纪 年代以来，很多学者将神经网络用于经济领域并取得了很大的成就。年我国召开了全国一个非正式的神经网络会议，年我国的 个学会联合在北京召开了神经网络首届学术大会，这是我国神经网络发展以及走向世界的良好开端。年在南京召开了中国神经网络学术大会

4、（第二届），会上成立了中国神经网络学会。许多全国性学术年会和一些学术刊物把神经网络理论及应用方面的论文列为重点。开始重视我国，把 年国际神经网络学会、神经网络委员主办的国际性学术会议 定在北京召开。这些毫无疑问，为神经网络在我国发展创造了良好的条件，促使我们加快步伐缩短我国在这个领域的差距。1 神经网络 神经网络（反响传播网络 ）是一种前馈型神经网络，其神经元的传递函数是 型函数，输出量为 到 之间的连续量，它可以实现从输入到输出的任意的非线性映射。网络的学习过程由信号的正向传播和误差的反向传播两个过程组成。其基本原理是：网络先根据输出层的误差来调整输出层和隐含层的权值和阈值，再将部分误差分配

5、置隐含层，然后根据误差来调整隐含作者简介：王中香（），女，山东省惠民县人，硕士研究生，从事金融数学研究 畅层和输入层之间的权值和阈值，并不断地重复上述过程，直到网络的输出与目标之间的误差趋于最小，达到规定的要求。基于 网络的特点，必须先将样本数据进行归一化处理后才能使用，归一化的方法有：）分布变换：适用于样本分布不理想的情况，常用的变换是对数变换。）尺度变换：适用于网络训练的数据比较均匀，样本分布曲线比较平坦的情况，其公式如下：xixi xminxmax xmin其中 xi代表第 i 个数，x代表原始数据样本中的最小值，x代表原始数据中的最大值。记：为训练样本的个数；（，），输入向量；（，），

6、是目标向量；为学习效率；，（），（）分别表示第 次迭代时输入层与隐含层之间、隐含层与输出层之间的权值，；（），（）分别表示第 次迭代时隐含层、输出层各单元的输出阈值，；（）（），（），（）为第 次迭代时实际网络输出量；，分别为隐含层和输出层的激励函数；网络的学习过程如下：）初始化，赋给，（），（），各一个较小的随机非 值；）输入归一化后的样本，并将 （，）提供给网络；）输入样本后，利用连接权值，阈值 计算隐含层各神经元的激活值：，倡 ，利用激活函数 计算隐含层各神经元的输出值：（），）利用隐含层输出的 连接权值 和阈值 计算输出层各神经元的激活值：，倡 ，）利用隐含层激活函数计算输出层各神经元

7、输出值：（），利用目标向量 和输出 计算输出层的校正误差，并判断误差 是否满足要求，若满足则转到），若不满足则进行下一步。（）倡倡（），）计算隐含层各单元校正误差，并判断 是否大于迭代次数，若大于转到（），若小于则进行）。（，（）倡）倡倡（），）修正隐含层至输出层的连接权值与阈值：，（），（），（）（），）修正输入层至隐含层的连接权值与阈值：，（），（），（）（），）判断是否完成所有样本训练，是则结束，否则转到）畅2实证分析2 1数据样本影响黄金期货价格的主要因素有黄金现货价格、原油价格、美元指数以及上一个交易日的黄金期货价格四个因素。本文以我国 黄金期货价格为研究对象，采用自我国黄金期货上市

8、以来 年 月 日至 月 日各影响因素的值建立 神经网络预测模型。由于衡量黄金期货价格的指标很多，在此，本文采用的是每个交易日的结算价格作为样本。其数据来源分别为：黄金现货价格（-：）、原油价格（：）、黄金期货价格（：），美元指数（：）。将采集到的数据进行归一化处理后，得到部分样本数据如表 所示（由于篇幅限制所有归一化处理后的数据不一一列举）。表 样本数据表指标黄金期货原油价格黄金现货美元指数 墘 煙 墘 煙 墘 煙 墘 煙 墘 煙 墘 煙 墘 煙 创 墘 煙 并将归一化后的数据样本分为训练样本和检验样本。2 2 网络实证分析使用 网络必然会遇到选择最佳网络结构的问题，即如何选择网络的层数以及隐

9、含层的节点数。本文选用了三层神经网络，由于有四个输入变量，一个输出变量，所以网络输入层神经元个数为四个，输出层神经元个数为一个。但到目前为止，还没有一个通用的理论公式来确定隐含层的神经元数。一般按照经验公式 m n l 来确定隐含层的神经元数。其中 n，l 分别为输入层、输出层的节点数，为 到 之间的数。经过反复的实验，综合考虑到网络误差以及训练速度，最终确定了隐含层的神经元数为，输入层到隐含层、隐含层到输出层之间分别使用 和 作为传递函数，用收敛速度最快的 函数作为训练函数。使用 构建 网络，运行该程序，得到的训练过程及结果如图：图 训练过程经过 步训练，网络的训练误差 ，小于，网络误差达到

10、了设定的误差要求，并由图中的训练过程可知，图像比较陡峭，说明网络的训练速度较快。当网络训练完成之后，输入检验样本，来检验网络是否良好。得到的网络模拟结果如表 所示：表 模拟误差真实值预测值误差样本值还原后输出值真实误差-V 剟-V 剟-V 剟-V 剟-V 剟-V 剟 由表 可知，除第四个数的预测误差较大之外，其它的预测误差都能控制在一个很小的范围内。说明此神经网络的预测性能很好，用此网络能够进行预测，有很强的实用性。由于黄金期货的价格受到许多因素的影响，但本文仅考虑到了黄金现货、原油等因素的影响来预测黄金期货的价格，所以有一定的局限性。如果把其它的一些影响因素考虑进去如通货膨胀率、局部政治因素

11、等，预测的精度会进一步提高。2 3 结论通过 神经网络模型对中国黄金期货价格的预测，我们可以得到如下结论：网络对非线性系统具有良好的逼近能力，无论从拟合情况还是预测情况来看，该方法都具有较高的精度，可以作为黄金期货价格预测的一种行之有效的方法。通过预测，一方面可以有力的指导投资者的投资行为，进而可以规避风险以便获得更好的经济利益，另一方面又有利于采取措施建立期货预警系统，规范期货市场，防止期货过热现象的发生。参考文献：田中禾，刘俊宏，何丽基于 网络的员工素质评价模型统计与决策，（）：周开利 神经网络模型及其 仿真程序设计 北京：清华大学出版社，臧其事 基于神经网络的上海车牌价格预测模型 科技情报开发与经济，（）：施航，马琳达 人工神经网络在股票价格预测中的应用 电脑开发与应用，（）：陈光华 人工神经网络在证券价格预测中的应用 计算机仿真，（）：李斌 基于神经网络的房屋销售面积预测研究 中国科技信息，（）：Based on neural network prediction of gold futures prices-，（，）Abstract：，-，-，-，Key words：；