基于神經(jīng)網(wǎng)絡(luò)的國際期貨市場價格隨機(jī)變異優(yōu)化規(guī)律研究
發(fā)布時間：2014-09-04 20:30
第一章引言
1.1期貨市場簡述
機(jī)構(gòu)投資者握有龐大的資金，需要在股市中長期生存，因此風(fēng)險管理是其日常運營的首要任務(wù)。通過分散的投資組合，可以消除股票價格波動的非系統(tǒng)性風(fēng)險，但是無法消除系統(tǒng)性風(fēng)險。伴隨著股票市場風(fēng)險管理需求的不斷增長和技術(shù)手段的成熟，美國堪薩斯期貨交易所(Kansas City Board of Trade,KCBT)于1982年2月推出全球最早旳股指期貨合約——價值線指數(shù)合約。股指期貨出現(xiàn)的初期，由于其獨特的做空機(jī)制，曾一度被認(rèn)為是股市暴跌的原因之一，市場對其的態(tài)度較為謹(jǐn)慎。進(jìn)入九十年代后，投資者行為更加理智，股指期貨的爭議也逐漸消除，全球各主要金融市場相繼推出各自的股指期貨合約，股指期貨進(jìn)入了高速發(fā)展的時期，其中較為著名的有美國標(biāo)準(zhǔn)普爾500指數(shù)合約、英國金融時報100指數(shù)合約、日本日經(jīng)225指數(shù)合約和香港恒生指數(shù)期貨合約等。如今股指期貨已發(fā)展成為最活躍的期貨品種，股指期貨交易也被譽(yù)為“最激動人心的金融創(chuàng)新” 。
1.2期貨價格分析方法
基本面分析法是通過分析期貨合約標(biāo)的商品的供求情況和影響其價格的其他因素來預(yù)測期貨價格變化趨勢的方法，其中供求分析是基本面分析的核心。一般來說期貨的價格是在其所標(biāo)的商品現(xiàn)貨價格（即商品某個階段的供求關(guān)系）的基礎(chǔ)上，綜合考慮各種影響未來供求的因素而形成對市場未來價格的平均預(yù)期�，F(xiàn)貨商品可以通過儲存和流通調(diào)節(jié)機(jī)制對未來供求產(chǎn)生影響，例如現(xiàn)貨市場中如果出現(xiàn)供過于求的情況，那么商品的庫存會影響到未來的供求關(guān)系，進(jìn)而影響期貨的價格，因而期貨價格形成的過程中也受到了來自現(xiàn)貨商品價格的約束。
……………
第二章人工神經(jīng)網(wǎng)絡(luò)
2.1人工神經(jīng)網(wǎng)絡(luò)簡述
人工神經(jīng)網(wǎng)絡(luò)由于其獨特的結(jié)構(gòu)，也表現(xiàn)出與傳統(tǒng)計算方法不同的性質(zhì)。首先它是一種大規(guī)模并行分布的結(jié)構(gòu)，天然具有容錯性。當(dāng)一個神經(jīng)元或者連接出錯時，由于信息是分散存儲于突觸權(quán)值間的，網(wǎng)絡(luò)只是在質(zhì)量上被削弱而不會出現(xiàn)災(zāi)難性的失敗。網(wǎng)絡(luò)的這種性質(zhì)還決定其具有適應(yīng)環(huán)境變化的能力，因為通常情況下，在不穩(wěn)定的環(huán)境中網(wǎng)絡(luò)運行的魯棒性越好，系統(tǒng)的自適應(yīng)性也就越好。其次人工神經(jīng)網(wǎng)絡(luò)是非線性的。神經(jīng)元間的連接是線性的，但是神經(jīng)元可以是非線性的，非線性是分布于整個網(wǎng)絡(luò)中的。網(wǎng)絡(luò)的非線性使其能夠在輸入輸出信號間建立起非線性關(guān)系，因此網(wǎng)絡(luò)可以在一些復(fù)雜問題的處理中找到很好的近似解。最后人工神經(jīng)網(wǎng)絡(luò)具有泛化的能力，泛化能力是指神經(jīng)網(wǎng)絡(luò)通過歷史數(shù)據(jù)的學(xué)習(xí)后，在學(xué)習(xí)樣本外依然能夠?qū)斎胄盘柦o出合理的輸出。實際上網(wǎng)絡(luò)的泛化能力也是其性能的表現(xiàn)，在實際問題中也是以不斷提高網(wǎng)絡(luò)的泛化能力為目標(biāo)。要實現(xiàn)這個目標(biāo)需要從兩個方面入手：一是提高網(wǎng)絡(luò)自身的性能；另一方面是將復(fù)雜問題分解為若干簡單的任務(wù)，讓網(wǎng)絡(luò)完成與其處理能力相符的子任務(wù)。
2. 2人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元，單個神經(jīng)元并不復(fù)雜。但是大量的神經(jīng)元經(jīng)過一定的方式連接卻可以表現(xiàn)出復(fù)雜的特性，并且能夠通過學(xué)習(xí)來實現(xiàn)特定的功能。本節(jié)介紹網(wǎng)絡(luò)的具體結(jié)構(gòu)，包括神經(jīng)元的基本模型和網(wǎng)絡(luò)的連接方式以及網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則。
神經(jīng)元細(xì)胞是構(gòu)成人腦神經(jīng)系統(tǒng)的基本單元，其主要結(jié)構(gòu)由細(xì)胞核、胞體、樹突、軸突構(gòu)成，如圖（2.1)所示：
神經(jīng)原細(xì)胞由細(xì)胞體和細(xì)胞突起構(gòu)成，細(xì)胞突起分為樹突和軸突，樹突的末端可以接受其他神經(jīng)元的信號，是傳入神經(jīng)的末梢。每個神經(jīng)元只有一個軸突，與一個或多個目標(biāo)神經(jīng)元連接，軸突可以將信號傳遞給其他神經(jīng)元或者效應(yīng)器。兩個神經(jīng)元聯(lián)系的地方叫做突觸，最普通的一類突觸是化學(xué)突觸。這類突觸中的信號是靠遞質(zhì)傳輸?shù)�，因此神�?jīng)元之間神經(jīng)沖動的傳導(dǎo)是單方向的，神經(jīng)沖動由一個神經(jīng)元的軸突傳導(dǎo)給另一個神經(jīng)元的細(xì)胞體或者樹突。
…………
第二章 AX神經(jīng)網(wǎng)絡(luò).......... 13
2.1人工神經(jīng)網(wǎng)絡(luò)簡述.......... 13
第三章基于MCA神經(jīng)網(wǎng)絡(luò)的股指期貨價格預(yù)浦........... 27
3.1人工神經(jīng)網(wǎng)絡(luò)在金醢市場中應(yīng)用的相關(guān)研究........... 27
第四章結(jié)論與展望............37
第三章基于MCA神經(jīng)網(wǎng)絡(luò)的股指期貨價格預(yù)測
3.1人工神經(jīng)網(wǎng)絡(luò)在金融市場中應(yīng)用的相關(guān)研究
Matsvba也將神經(jīng)網(wǎng)絡(luò)應(yīng)用在價格的長期預(yù)測中[28]，論證了用神經(jīng)網(wǎng)絡(luò)模擬股價變動的可行性。另外Kimoto等人針對東京證券交易所價格指數(shù)（TSEPI)幵發(fā)出一套模塊化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)[29]，用于對指數(shù)的回報水平的估計。相關(guān)的研究在國內(nèi)也十分活躍，對于金融市場趨勢的預(yù)測顯然是最為關(guān)注的問題。吳微等人將歷史價格和成交量的一些關(guān)鍵值作為BP網(wǎng)絡(luò)的輸入，預(yù)測國內(nèi)綜合股指的漲跌。李宗龍則將廣義回歸網(wǎng)絡(luò)用于滬深300高頻數(shù)據(jù)的預(yù)測中。
3. 2價格預(yù)測的時間序列模型
本文選取了滬深300股指期貨2012年7月2日至2013年2月6日當(dāng)月連續(xù)的收盤價共150個交易數(shù)據(jù)作為預(yù)測對象。平均分為三組進(jìn)行預(yù)測，分別對應(yīng)下跌、振蕩和上升的三種情形。每組數(shù)據(jù)的前150個收盤價作為訓(xùn)練樣本，測試網(wǎng)絡(luò)的預(yù)測效果，圖（3.1)展示了參與訓(xùn)練和預(yù)測的數(shù)據(jù)。由于時間序列模型和技術(shù)分析方法有相同的假設(shè)，根據(jù)技術(shù)分析方法的經(jīng)驗，基于歷史價格的預(yù)測短期效果最好，因此選擇輸入端的數(shù)量iVo= 20,并且對輸入數(shù)據(jù)歸一化，在保證預(yù)測精度的條件下降低網(wǎng)絡(luò)的復(fù)雜度。
...............
第四章結(jié)論與展望
將其預(yù)測的結(jié)果同傳統(tǒng)的BP算法進(jìn)行比較可以看出這種規(guī)則具有更好的泛化能力。即使在訓(xùn)練誤差大于BP網(wǎng)絡(luò)情況下，也能夠得到更好的預(yù)測結(jié)果，說明其較好地避免了網(wǎng)絡(luò)在有監(jiān)督學(xué)習(xí)過程中出現(xiàn)的過擬合現(xiàn)象。此外這套方法還為網(wǎng)絡(luò)參數(shù)的選擇提供了一種科學(xué)的確定方法，可以對隱含層每個神經(jīng)元激活函數(shù)的廣值進(jìn)行具體的調(diào)整。而且從網(wǎng)絡(luò)的訓(xùn)練過程中也可以看出其學(xué)習(xí)方式更加靈活，在將來復(fù)雜問題的應(yīng)用中可以加入多種學(xué)習(xí)目標(biāo)作為網(wǎng)絡(luò)權(quán)值變異后優(yōu)化選擇的標(biāo)準(zhǔn)。不過本文中直接對股指期貨的時間序列進(jìn)行預(yù)測還是一種比較簡單的應(yīng)用，對于風(fēng)云變幻的金融市場來說還遠(yuǎn)遠(yuǎn)不夠。筆者曾從技術(shù)分析和神經(jīng)網(wǎng)絡(luò)結(jié)合的方式，希望開發(fā)出一套具體交易策略，但是沒有獲得有價值的結(jié)果。問題的原因可能在于學(xué)習(xí)目標(biāo)的選擇上，直接預(yù)測價格成功的可能性并不高，而價格趨勢的定義又非常模糊，無法從歷史的數(shù)據(jù)中分辨出那些變動是因為外界對市場的影響（這部分顯然是無法預(yù)測的）哪些是市場自身的反應(yīng)。目前網(wǎng)絡(luò)的學(xué)習(xí)是完全基于歷史數(shù)據(jù)的，其誤差的定義是全樣本的平均并且樣本間沒有時間先后之分，因此無法很好地解析出哪些是網(wǎng)絡(luò)應(yīng)該注意哪些是應(yīng)該忽略的特征。在未來的工作中可以針對兩個方面進(jìn)行改進(jìn)：一個方面是在學(xué)習(xí)的對象上進(jìn)行改造，尋找更適合網(wǎng)絡(luò)的訓(xùn)練目標(biāo)；另一個方面是將設(shè)計更加適應(yīng)問題的網(wǎng)絡(luò)，例如引入增強(qiáng)學(xué)習(xí)的方式，將網(wǎng)絡(luò)的學(xué)習(xí)過程視作是一個隨時間進(jìn)化的過程。
本文編號：8665
1.1期貨市場簡述
機(jī)構(gòu)投資者握有龐大的資金，需要在股市中長期生存，因此風(fēng)險管理是其日常運營的首要任務(wù)。通過分散的投資組合，可以消除股票價格波動的非系統(tǒng)性風(fēng)險，但是無法消除系統(tǒng)性風(fēng)險。伴隨著股票市場風(fēng)險管理需求的不斷增長和技術(shù)手段的成熟，美國堪薩斯期貨交易所(Kansas City Board of Trade,KCBT)于1982年2月推出全球最早旳股指期貨合約——價值線指數(shù)合約。股指期貨出現(xiàn)的初期，由于其獨特的做空機(jī)制，曾一度被認(rèn)為是股市暴跌的原因之一，市場對其的態(tài)度較為謹(jǐn)慎。進(jìn)入九十年代后，投資者行為更加理智，股指期貨的爭議也逐漸消除，全球各主要金融市場相繼推出各自的股指期貨合約，股指期貨進(jìn)入了高速發(fā)展的時期，其中較為著名的有美國標(biāo)準(zhǔn)普爾500指數(shù)合約、英國金融時報100指數(shù)合約、日本日經(jīng)225指數(shù)合約和香港恒生指數(shù)期貨合約等。如今股指期貨已發(fā)展成為最活躍的期貨品種，股指期貨交易也被譽(yù)為“最激動人心的金融創(chuàng)新” 。
1.2期貨價格分析方法
基本面分析法是通過分析期貨合約標(biāo)的商品的供求情況和影響其價格的其他因素來預(yù)測期貨價格變化趨勢的方法，其中供求分析是基本面分析的核心。一般來說期貨的價格是在其所標(biāo)的商品現(xiàn)貨價格（即商品某個階段的供求關(guān)系）的基礎(chǔ)上，綜合考慮各種影響未來供求的因素而形成對市場未來價格的平均預(yù)期�，F(xiàn)貨商品可以通過儲存和流通調(diào)節(jié)機(jī)制對未來供求產(chǎn)生影響，例如現(xiàn)貨市場中如果出現(xiàn)供過于求的情況，那么商品的庫存會影響到未來的供求關(guān)系，進(jìn)而影響期貨的價格，因而期貨價格形成的過程中也受到了來自現(xiàn)貨商品價格的約束。
……………
第二章人工神經(jīng)網(wǎng)絡(luò)
2.1人工神經(jīng)網(wǎng)絡(luò)簡述
人工神經(jīng)網(wǎng)絡(luò)由于其獨特的結(jié)構(gòu)，也表現(xiàn)出與傳統(tǒng)計算方法不同的性質(zhì)。首先它是一種大規(guī)模并行分布的結(jié)構(gòu)，天然具有容錯性。當(dāng)一個神經(jīng)元或者連接出錯時，由于信息是分散存儲于突觸權(quán)值間的，網(wǎng)絡(luò)只是在質(zhì)量上被削弱而不會出現(xiàn)災(zāi)難性的失敗。網(wǎng)絡(luò)的這種性質(zhì)還決定其具有適應(yīng)環(huán)境變化的能力，因為通常情況下，在不穩(wěn)定的環(huán)境中網(wǎng)絡(luò)運行的魯棒性越好，系統(tǒng)的自適應(yīng)性也就越好。其次人工神經(jīng)網(wǎng)絡(luò)是非線性的。神經(jīng)元間的連接是線性的，但是神經(jīng)元可以是非線性的，非線性是分布于整個網(wǎng)絡(luò)中的。網(wǎng)絡(luò)的非線性使其能夠在輸入輸出信號間建立起非線性關(guān)系，因此網(wǎng)絡(luò)可以在一些復(fù)雜問題的處理中找到很好的近似解。最后人工神經(jīng)網(wǎng)絡(luò)具有泛化的能力，泛化能力是指神經(jīng)網(wǎng)絡(luò)通過歷史數(shù)據(jù)的學(xué)習(xí)后，在學(xué)習(xí)樣本外依然能夠?qū)斎胄盘柦o出合理的輸出。實際上網(wǎng)絡(luò)的泛化能力也是其性能的表現(xiàn)，在實際問題中也是以不斷提高網(wǎng)絡(luò)的泛化能力為目標(biāo)。要實現(xiàn)這個目標(biāo)需要從兩個方面入手：一是提高網(wǎng)絡(luò)自身的性能；另一方面是將復(fù)雜問題分解為若干簡單的任務(wù)，讓網(wǎng)絡(luò)完成與其處理能力相符的子任務(wù)。
2. 2人工神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)
神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本單元，單個神經(jīng)元并不復(fù)雜。但是大量的神經(jīng)元經(jīng)過一定的方式連接卻可以表現(xiàn)出復(fù)雜的特性，并且能夠通過學(xué)習(xí)來實現(xiàn)特定的功能。本節(jié)介紹網(wǎng)絡(luò)的具體結(jié)構(gòu)，包括神經(jīng)元的基本模型和網(wǎng)絡(luò)的連接方式以及網(wǎng)絡(luò)的學(xué)習(xí)規(guī)則。
神經(jīng)元細(xì)胞是構(gòu)成人腦神經(jīng)系統(tǒng)的基本單元，其主要結(jié)構(gòu)由細(xì)胞核、胞體、樹突、軸突構(gòu)成，如圖（2.1)所示：
神經(jīng)原細(xì)胞由細(xì)胞體和細(xì)胞突起構(gòu)成，細(xì)胞突起分為樹突和軸突，樹突的末端可以接受其他神經(jīng)元的信號，是傳入神經(jīng)的末梢。每個神經(jīng)元只有一個軸突，與一個或多個目標(biāo)神經(jīng)元連接，軸突可以將信號傳遞給其他神經(jīng)元或者效應(yīng)器。兩個神經(jīng)元聯(lián)系的地方叫做突觸，最普通的一類突觸是化學(xué)突觸。這類突觸中的信號是靠遞質(zhì)傳輸?shù)�，因此神�?jīng)元之間神經(jīng)沖動的傳導(dǎo)是單方向的，神經(jīng)沖動由一個神經(jīng)元的軸突傳導(dǎo)給另一個神經(jīng)元的細(xì)胞體或者樹突。
…………
第二章 AX神經(jīng)網(wǎng)絡(luò).......... 13
2.1人工神經(jīng)網(wǎng)絡(luò)簡述.......... 13
第三章基于MCA神經(jīng)網(wǎng)絡(luò)的股指期貨價格預(yù)浦........... 27
3.1人工神經(jīng)網(wǎng)絡(luò)在金醢市場中應(yīng)用的相關(guān)研究........... 27
第四章結(jié)論與展望............37
第三章基于MCA神經(jīng)網(wǎng)絡(luò)的股指期貨價格預(yù)測
3.1人工神經(jīng)網(wǎng)絡(luò)在金融市場中應(yīng)用的相關(guān)研究
Matsvba也將神經(jīng)網(wǎng)絡(luò)應(yīng)用在價格的長期預(yù)測中[28]，論證了用神經(jīng)網(wǎng)絡(luò)模擬股價變動的可行性。另外Kimoto等人針對東京證券交易所價格指數(shù)（TSEPI)幵發(fā)出一套模塊化的神經(jīng)網(wǎng)絡(luò)系統(tǒng)[29]，用于對指數(shù)的回報水平的估計。相關(guān)的研究在國內(nèi)也十分活躍，對于金融市場趨勢的預(yù)測顯然是最為關(guān)注的問題。吳微等人將歷史價格和成交量的一些關(guān)鍵值作為BP網(wǎng)絡(luò)的輸入，預(yù)測國內(nèi)綜合股指的漲跌。李宗龍則將廣義回歸網(wǎng)絡(luò)用于滬深300高頻數(shù)據(jù)的預(yù)測中。
3. 2價格預(yù)測的時間序列模型
本文選取了滬深300股指期貨2012年7月2日至2013年2月6日當(dāng)月連續(xù)的收盤價共150個交易數(shù)據(jù)作為預(yù)測對象。平均分為三組進(jìn)行預(yù)測，分別對應(yīng)下跌、振蕩和上升的三種情形。每組數(shù)據(jù)的前150個收盤價作為訓(xùn)練樣本，測試網(wǎng)絡(luò)的預(yù)測效果，圖（3.1)展示了參與訓(xùn)練和預(yù)測的數(shù)據(jù)。由于時間序列模型和技術(shù)分析方法有相同的假設(shè)，根據(jù)技術(shù)分析方法的經(jīng)驗，基于歷史價格的預(yù)測短期效果最好，因此選擇輸入端的數(shù)量iVo= 20,并且對輸入數(shù)據(jù)歸一化，在保證預(yù)測精度的條件下降低網(wǎng)絡(luò)的復(fù)雜度。
...............
第四章結(jié)論與展望
將其預(yù)測的結(jié)果同傳統(tǒng)的BP算法進(jìn)行比較可以看出這種規(guī)則具有更好的泛化能力。即使在訓(xùn)練誤差大于BP網(wǎng)絡(luò)情況下，也能夠得到更好的預(yù)測結(jié)果，說明其較好地避免了網(wǎng)絡(luò)在有監(jiān)督學(xué)習(xí)過程中出現(xiàn)的過擬合現(xiàn)象。此外這套方法還為網(wǎng)絡(luò)參數(shù)的選擇提供了一種科學(xué)的確定方法，可以對隱含層每個神經(jīng)元激活函數(shù)的廣值進(jìn)行具體的調(diào)整。而且從網(wǎng)絡(luò)的訓(xùn)練過程中也可以看出其學(xué)習(xí)方式更加靈活，在將來復(fù)雜問題的應(yīng)用中可以加入多種學(xué)習(xí)目標(biāo)作為網(wǎng)絡(luò)權(quán)值變異后優(yōu)化選擇的標(biāo)準(zhǔn)。不過本文中直接對股指期貨的時間序列進(jìn)行預(yù)測還是一種比較簡單的應(yīng)用，對于風(fēng)云變幻的金融市場來說還遠(yuǎn)遠(yuǎn)不夠。筆者曾從技術(shù)分析和神經(jīng)網(wǎng)絡(luò)結(jié)合的方式，希望開發(fā)出一套具體交易策略，但是沒有獲得有價值的結(jié)果。問題的原因可能在于學(xué)習(xí)目標(biāo)的選擇上，直接預(yù)測價格成功的可能性并不高，而價格趨勢的定義又非常模糊，無法從歷史的數(shù)據(jù)中分辨出那些變動是因為外界對市場的影響（這部分顯然是無法預(yù)測的）哪些是市場自身的反應(yīng)。目前網(wǎng)絡(luò)的學(xué)習(xí)是完全基于歷史數(shù)據(jù)的，其誤差的定義是全樣本的平均并且樣本間沒有時間先后之分，因此無法很好地解析出哪些是網(wǎng)絡(luò)應(yīng)該注意哪些是應(yīng)該忽略的特征。在未來的工作中可以針對兩個方面進(jìn)行改進(jìn)：一個方面是在學(xué)習(xí)的對象上進(jìn)行改造，尋找更適合網(wǎng)絡(luò)的訓(xùn)練目標(biāo)；另一個方面是將設(shè)計更加適應(yīng)問題的網(wǎng)絡(luò)，例如引入增強(qiáng)學(xué)習(xí)的方式，將網(wǎng)絡(luò)的學(xué)習(xí)過程視作是一個隨時間進(jìn)化的過程。
.............
參考文獻(xiàn)（略）
本文編號：8665
本文鏈接：http://www.sikaile.net/jingjilunwen/shijiejingjilunwen/8665.html
最近更新
教材專著
