隨著我國經(jīng)濟(jì)的發(fā)展壯大,對原材料的需求越來越大。期貨市場作為金融市場的-重要組成部分,交易著各種原材料期貨,且期貨市場有著規(guī)避風(fēng)險、價格發(fā)現(xiàn)、資產(chǎn)配置的功能。因此研究期貨市場的價格變化趨勢對于企業(yè)穩(wěn)健發(fā)展有著重要作用。期貨價格時間序列數(shù)據(jù)是期貨市場上經(jīng)過一定時間進(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,是過去一段時間期貨市場運(yùn)動特征的外在表現(xiàn),本文選擇期貨指數(shù)時間序列預(yù)測作為研究問題。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)為研究對象,提取了該期貨從2000年到2017年總共17年的歷史收盤價交易數(shù)據(jù),并在此數(shù)據(jù)上進(jìn)行實證研究,進(jìn)行全時域的預(yù)測,以追求更高的收益率為目標(biāo)。本文基于場景疊加思路建立組合模型對期貨指數(shù)進(jìn)行預(yù)測。主要完成以下工作:（1）提出場景疊加的預(yù)測方法。通過對文獻(xiàn)的總結(jié),時間序列的預(yù)測方法可以分為三類:傳統(tǒng)模型預(yù)測、智能模型預(yù)測和組合模型預(yù)測。單模型在一些特定的、短期的場景下能起到良好的預(yù)測效果,組合模型預(yù)測能彌補(bǔ)單模型預(yù)測的缺陷,但在進(jìn)行預(yù)測研究之前,常常要對時間序列進(jìn)行分段處理,將不同子序列的結(jié)果綜合起來。而場景疊加的方式則是通過嚴(yán)... 

【文章來源】：東北財經(jīng)大學(xué)遼寧省

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１所示：??金融時間序列數(shù)據(jù)

ｐ?＝?ｐ（２?－?Ｘｊ＋ｉ／ｘｊ）?（３－４）??ｊ點為上一次做多或做空交易點。??（４）根據(jù)步驟３得到的總收益率，計算年化收益率。??（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保存，選??擇作為下一級模型的樣本點。??（６）分別計算其他模型，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移動平均模型??對移動平均模型設(shè)置不同的長度，如下圖所示，當(dāng)長度分別設(shè)置為５天平均、１０??天平均、１５天平均、２０天平均和２５天平均時的擬合曲線和原始數(shù)據(jù)的曲線對比，如??圖３－１所示，對比的數(shù)據(jù)是從２００９年的１月到２００９年的５月，總共４個月的時間。??

??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)移動平均模型長度為５時，效果是最??好的，當(dāng)長度為１０時，效果次之，而長度為１５時，則效果最差。本文研宄的是全時??域狀態(tài)，單獨一年的效果并不影響整個模型的評判，按照之前的方法，在己有數(shù)據(jù)的??情況下，統(tǒng)計移動平均模型在不同長度時，根據(jù)收益率計算算法計算收益率，計算結(jié)??果如下表３－２所示：??表３－２??不同移動平均長度時的收益率情況????移動平均模型長度?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)測分析[J]. 王超英,鐘輝.  計算技術(shù)與自動化. 2017(03)
[2]基于支持向量機(jī)算法的股市拐點預(yù)測分析[J]. 李海燕.  鄭州大學(xué)學(xué)報(哲學(xué)社會科學(xué)版). 2015(01)
[3]滬銅期貨套期保值有效性實證研究[J]. 湯浩.  科技廣場. 2014(11)
[4]基于組合預(yù)測模型的股票價格趨勢預(yù)測[J]. 鄭獻(xiàn)衛(wèi),張賀.  工業(yè)控制計算機(jī). 2014(06)
[5]基于混合模型的原油價格混沌預(yù)測方法[J]. 張金良,譚忠富.  運(yùn)籌與管理. 2013(05)
[6]基于SVR的非線性時間序列預(yù)測方法應(yīng)用綜述[J]. 陳榮,梁昌勇,謝福偉.  合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版). 2013(03)
[7]基于特征點分段的多元時間序列相似性搜索[J]. 王燕,馬倩倩,韓萌.  計算機(jī)工程與應(yīng)用. 2012(33)
[8]基于特征提取的金融時間序列形態(tài)挖掘[J]. 陳靜,張川,徐成賢.  統(tǒng)計與信息論壇. 2010(06)
[9]時間序列的非線性趨勢預(yù)測及應(yīng)用綜述[J]. 王婷婷,錢曉東.  計算機(jī)工程與設(shè)計. 2010(07)
[10]基于ARIMA模型的我國石油價格預(yù)測分析[J]. 肖龍階,仲偉俊.  南京航空航天大學(xué)學(xué)報(社會科學(xué)版). 2009(04)

博士論文
[1]數(shù)據(jù)驅(qū)動的金融時間序列預(yù)測模型研究[D]. 張貴生.山西大學(xué) 2016
[2]時間序列數(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：3528656