沪铜期货价格预测模型的构建与预测研究

摘要

随着中国市场经济地位和人们理财意识的提高，期货交易成为金融交易以及金融衍生品交易中的一个重要交易品种，期货市场的健康稳定发展也成为管理者和投资者研究的重点。不管是利用期货市场进行投资还是投机，做好风险控制是尤为重要的。而做好风险控制的前提就需要对期货价格进行预测，在预测分析之后制定相应的交易原则，按照交易原则进行风控处理。
　　目前，随着现代科技的不断进步与发展，期货的预测方法也越来越多，以统计学中的方法为例，有时间序列预测模型、灰色预测模型、神经网络预测模型等等。本文首先选取了其中的ARIMA模型、GARCH模型以及BP神经网络模型三种单一的预测模型对沪铜期货价格进行预测。选取沪铜主连合约从2015年1月5日到2015年9月25日共180个交易日的收盘价数据作为研究对象，其中2015年1月5日到2015年8月28日的沪铜主连合约收盘价数据用于拟合估计模型，剩余的数据用于预测结果的对比分析。实证的结果表明:BP神经网络模型的累计相对误差值和MAPE值都比ARIMA模型和GARCH模型要小，说明BP神经网络模型是这三种模型中预测精度最高的。这主要源于BP神经网络模型有着强大的自学能力，它可以通过训练学习找到参数之间的规律和特点，掌握数据间的依存关系。
　　其次，根据前面三个单一预测模型的预测效果，本文又在此基础上优化得到了两个组合预测模型，即最优权重线性组合预测模型和基于BP神经网络的组合预测模型，并用这两个组合预测模型同样做了实证分析，得到的结论是:两种组合预测模型相比单一的预测模型，都在一定程度上提高了预测精度;在这两种组合预测模型中，基于BP神经网络的组合预测模型具有更高的预测精度，预测效果更好。
　　最后，考虑到不同模型对数据的适用性不同，本文又选取了2016年10月10日到2016年11月18日共30个交易日的沪铜主连收盘价进行短期时间跨度预测研究，对比180个交易日的长期时间跨度的预测结果，来探究各模型在沪铜期货价格预测中的适用条件和范围。结果表明，基于BP神经网络的组合预测模型无论是在短期时间跨度还是长期时间跨度预测中都有着很好的预测效果。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外相关研究动态

1．2．1 期货市场方面的研究动态

1．2．2 期货价格预测模型研究动态

1．2．3 组合预测模型研究进展

1．3 研究思路和方法

1．4 研究的主要内容

2 模型的相关理论基础

2．1 时间序列的预处理

2．1．1 平稳性检验

2．1．2 自噪声检验

2．2 非平稳时间序列

2．2．1 ARIMA模型

2．2．2 条件异方差模型

2．3 BP神经网络的相关理论

2．3．2 BP算法描述

2．3．3 核心算法流程图

3 单一模型的沪铜期货价格预测

3．1．1 ARIMA模型的建模步骤

3．1．2 模型的优化选择

3．1．3 ARIMA模型的构建与预测

3．2 GARCH模型实证

3．2．1 ARCH检验

3．2．2 GARCH模型的定阶与检验

3．2．3 GARCH模型的构建与预测

3．3 BP神经网络模型实证

3．3．1 BP神经网络的建模流程

3．3．2 BP神经网络的构建

3．3．3 BP神经网络训练

3．3．4 BP神经网络预测

4 模型优化后的沪铜期货价格预测

4．1 组合预测模型的原理

4．1．1 组合预测的概述

4．1．2 组合方式的分类

4．2 最优线性组合预测模型

4．2．1 建模原理

4．2．2 最优线性组合预测模型的构建

4．3 基于BP神经网络的组合预测模型

5 总结与展望

5．1 模型的适用性检验

5．2 总结

5．3 展望

致谢

参考文献

附录

攻读学位期间的研究成果