中國期貨交易市場經(jīng)過近三十年的發(fā)展,已經(jīng)擺脫了期貨交易在中國起步時交易品種重復(fù),監(jiān)管制度缺失的混亂局面,逐漸走向正軌,吸引了越來越多的投資者加入期貨市場進(jìn)行交易。通過對期貨交易價格的變化幅度進(jìn)行預(yù)測,不僅能夠?yàn)橥顿Y者提供交易建議,而且對政府監(jiān)管市場、規(guī)范市場都具有重大意義。針對期貨價格變化幅度預(yù)測問題,提出了一種基于混合神經(jīng)網(wǎng)絡(luò)的期貨價格變化幅度預(yù)測模型。在模型設(shè)計(jì)過程中,從數(shù)據(jù)集選取、神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)兩個方面進(jìn)行考慮。數(shù)據(jù)集方面,考慮到投資者的投資收益,預(yù)測結(jié)果的實(shí)際價值,從連續(xù)的時間序列數(shù)據(jù)中選取轉(zhuǎn)勢點(diǎn)以及轉(zhuǎn)勢點(diǎn)相關(guān)數(shù)據(jù)作為數(shù)據(jù)集進(jìn)行訓(xùn)練與預(yù)測。目前的預(yù)測模型通常只考慮收盤價,這會丟失許多有用的信息,通過將最高價,最低價,成交量等納入考慮來獲取更多信息,并對多維數(shù)據(jù)采用主成分分析法進(jìn)行降維。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)方面,考慮到金融時間序列的多尺度特征,選擇使用混合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),針對圖像和時間序列數(shù)據(jù)性質(zhì)的不同,對應(yīng)用于圖像分類的混合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn),在訓(xùn)練過程中引入輔助損失,使組成網(wǎng)絡(luò)在訓(xùn)練過程中能單獨(dú)進(jìn)行自身優(yōu)化,并根據(jù)傳統(tǒng)預(yù)測方法思想,為輔助損失賦予權(quán)值,體現(xiàn)了數(shù)據(jù)影響程度的不同,并且能夠... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：56 頁

【學(xué)位級別】：碩士

【部分圖文】：

轉(zhuǎn)勢點(diǎn)選取示意圖

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論價格變化趨勢由下跌轉(zhuǎn)向上漲的轉(zhuǎn)勢點(diǎn)，記為低轉(zhuǎn)勢點(diǎn)，將的交易數(shù)據(jù)存入篩選數(shù)據(jù)集。當(dāng)選擇出由下跌轉(zhuǎn)向上漲的轉(zhuǎn)由上漲趨勢轉(zhuǎn)向下跌趨勢的轉(zhuǎn)勢點(diǎn)。具體規(guī)則與尋找低轉(zhuǎn)勢開始遍歷數(shù)據(jù)集，當(dāng)尋找到某個時間點(diǎn)價格高于前后兩個時價格作為臨時高點(diǎn)，將該時間點(diǎn)存入臨時變量 B，繼續(xù)遍歷時將該點(diǎn)價格與臨時高點(diǎn)比較，如果比臨時高點(diǎn)高，則更新量 B 所記錄的時間點(diǎn)，如果低于臨時高點(diǎn)，則臨時高點(diǎn)記錄將該點(diǎn)與周圍六個點(diǎn)的交易數(shù)據(jù)存入篩選數(shù)據(jù)集，計(jì)算該點(diǎn)差值與漲幅加入上個低轉(zhuǎn)勢點(diǎn)的數(shù)據(jù)中，然后程序從高轉(zhuǎn)勢轉(zhuǎn)入對低轉(zhuǎn)勢點(diǎn)的尋找，并計(jì)算跌幅存入上個高轉(zhuǎn)勢點(diǎn)的篩到遍歷完畢數(shù)據(jù)集。判斷低轉(zhuǎn)勢點(diǎn)的流程如圖 2-3。

華 中 科 技 大 學(xué) 碩 士 學(xué) 位 論 文數(shù)據(jù)組成的鄰近數(shù)據(jù)集 N 中提取的局部影響特征�；旌仙窠�(jīng)網(wǎng)絡(luò)結(jié)構(gòu)通過分別使用LSTM 網(wǎng)絡(luò)和 CNN 網(wǎng)絡(luò)捕捉轉(zhuǎn)勢點(diǎn)相關(guān)數(shù)據(jù)集中包含的局部特征和長期特征，然后使用特征融合層合并兩個網(wǎng)絡(luò)獲取的特征，最后通過 softmax 層進(jìn)行漲跌幅度區(qū)間類別的預(yù)測。網(wǎng)絡(luò)結(jié)構(gòu)與數(shù)據(jù)處理流程圖如下

【參考文獻(xiàn)】：
期刊論文
[1]特征融合型卷積神經(jīng)網(wǎng)絡(luò)的語義分割[J]. 馬冬梅,賀三三,楊彩鋒,嚴(yán)春滿.  計(jì)算機(jī)工程與應(yīng)用. 2020(10)
[2]基于DBN深度學(xué)習(xí)的期貨市場價格預(yù)測建模與決策[J]. 陳俊華,郝彥惠,鄭丁文,陳思宇.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]基于深度學(xué)習(xí)的股價預(yù)測研究[J]. 劉震,王惠敏,華思瑜,陳育.  科技創(chuàng)新導(dǎo)報(bào). 2018(13)
[4]基于主成分分析方法的我國金融系統(tǒng)性風(fēng)險(xiǎn)度量研究[J]. 周樺,龐家任,王子悅.  保險(xiǎn)研究. 2018(04)
[5]時間序列多尺度異常檢測方法[J]. 陳波,劉厚泉,趙志凱.  計(jì)算機(jī)工程與應(yīng)用. 2018(20)
[6]基于主成分分析法的我國西部金融資源配置效率研究[J]. 王露.  中國集體經(jīng)濟(jì). 2018(05)
[7]基于DBN的金融時序數(shù)據(jù)建模與決策[J]. 曾志平,蕭海東,張新鵬.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(04)
[8]期貨農(nóng)業(yè)的專項(xiàng)調(diào)查與分析——以黑龍江省為例[J]. 包艷龍.  西部金融. 2016(02)
[9]基于GARCH類模型和BP神經(jīng)網(wǎng)絡(luò)的量價關(guān)系實(shí)證研究[J]. 吳秋芳,王長輝,唐亞勇.  四川大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(04)
[10]基于GA-BP神經(jīng)網(wǎng)絡(luò)模型的期貨價格預(yù)測與分析[J]. 康璐,陳歡,張蕾妮,歐陽日輝.  財(cái)經(jīng)界. 2011(05)

碩士論文
[1]基于深度學(xué)習(xí)之股指期貨交易[D]. 楊杰群.中國科學(xué)技術(shù)大學(xué) 2015



本文編號：3293378