深度学习在黄金期货价格预测中的应用研究

摘要

黄金期货作为贵金属交易市场中的一个交易品种，不论对国家、机构还是个人投资者而言，都是必不可少的投资理财工具，对其进行价格预测，具有重要的现实意义。 本文分析了黄金期货难以预测的原因，影响黄金期货变化的因素太多，每个时刻有多少因素在发挥作用未知，人们的情绪对市场的影响也不确定，所有因素的合力时刻在变化。想要对这样一个受多方面因素影响的非线性非稳定时间序列进行准确预测非常的困难。黄金期货的价格受到石油、美元、股票以及经济政策和突发事件等众多因素的影响，为了预测的准确尽可能的将它们加入到预测模型中。对于投资者，众多技术指标也是常用的买卖决策依据，因此本文也选取其中具有代表性的指标（MACD、KDJ、RSI、MFI）加入到预测模型中。具有记忆能力的循环神经网络，符合黄金期货价格会受到过去环境影响的实际情况，因而非常适合被用在黄金期货价格的预测问题上。得益于神经网络的快速发展，循环神经网络的变体LSTM和GRU解决了循环神经网络无法解决长期依赖的问题，本文试图使用它们建立模型来预测COMEX黄金期货的价格。 本文先分别使用浅层BP神经网络、LSTM神经网络和GRU神经网络、ARIMA模型，基于金价相关数据（开盘价、收盘价、交易量、涨跌幅、最高价、最低价）对黄金期货的价格进行预测。之后设计基于GRU的深度神经网络，通过充分的训练和调优，使用前10天的金价相关数据以及据此计算出的技术指标，加上金价的重要影响因素作为训练时的数据特征，对第11天的黄金期货收盘价涨跌幅度进行预测，最终模型的预测准确率为61%。对比未将众多影响因素纳入数据特征的浅层神经网络，最终模型获得了更好的预测效果，具有一定的创新性，也再次证明了深层循环神经网络模型在金融预测上的有效性，且预测的具体涨跌幅度可以为投资者提供参考，具有一定的实用价值。

目录

声明

第1章 引 言

1.1 研究背景及意义

1.2 国内外研究现状

1.3 研究对象与方法

1.4 本文的主要工作

1.5 本文的结构安排

第2章 黄金期货价格预测的主要理论与方法

2.1 黄金期货价格预测方法

2.2 影响黄金期货价格的因素

2.3 黄金期货技术指标

2.4 黄金期货价格预测的难点

第3章 网络模型介绍及调优分析

3.1 BP神经网络

3.2 RNN神经网络

3.3 LSTM神经网络

3.4 GRU神经网络

3.5 ARIMA模型

3.6 神经网络的优化算法

3.7 算法优化之过拟合问题

3.8 激活函数的选择

第4章 BP神经网络和LSTM/GRU神经网络在黄金期货价格预测中的应用

4.1 基于时间序列的黄金期货预测研究

4.1.1 实验基本内容

4.1.2 TensorFlow的使用

4.1.3 BP神经网络的设计和实证分析

4.1.4 LSTM模型的设计和实证分析

4.1.5 GRU模型的设计和实证分析

4.1.6 ARIMA模型的设计和实证分析

4.2 增加数据特征的多层GRU模型的设计和实证分析

4.2.1 实验基本内容

4.2.2 特征数据的选择

4.2.3 深度GRU模型的设计与实证分析

第5章 总结与展望

5.1 工作总结

5.2 展望

参考文献