上海期货交易所螺纹钢期货价格预测的实证研究

论文摘要

钢材是国家发展过程中不可替代的重要物资,在我国经济中的重要性不言而喻。长期以来,钢材的价格由于受到用钢企业对钢材需求的不断变化和铁矿石价格的波动影响而大起大落,使众多的的企业、贸易商都面临巨大的风险。而钢材期货市场有价格发现、规避风险的功能,使得广大的钢铁企业都参与到期货市场来确保成本和利润,将风险降到最低。但在期货市场中,套期保值固然重要,也有为数众多的投资者利用期货价格发现的功能,不断地进行买卖期货以此获利。因此对钢材期货价格进行统计分析意义重大。本文收集了10年的螺纹钢期货每日收盘价数据,分别用以下四个模型对其价格进行了预测。首先,用BP神经网络的方法,在训练集上训练模型比较误差和迭代次数来确定隐层节点数对收盘价进行预测;然后,用时间序列方法预测了2019年2月份最后10日的收盘价;最后,着重讨论了非参数自回归模型和半参数自回归模型的预测方法,详细介绍了非参数自回归模型的核函数的选择,窗宽的确定以及核估计的两种方法,也对收盘价做出了准确的预测。分析比较四种模型,发现对于每日收盘价这种时序性很强的数据,用时间序列方法预测效果更好,但是用BP神经网络、非参数自回归模型以及半参数自回归模型预测方法并不比时间序列模型预测效果相差很多,说明这四种方法对螺纹钢期货价格预测也有一定的研究价值。

论文目录

摘要

abstract

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状分析

1.3 本文主要工作

1.4 本文的组织结构

2 利用BP神经网络模型进行预测

2.1 BP神经网络

2.2 BP神经网络结构设计

2.3 BP网络参数的设置和训练

2.4 预测和分析

2.5 小结

3 利用时间序列模型进行预测

3.1 时间序列模型

3.1.1 时间序列的平稳性

3.1.2 时间序列分析的模型问题

3.1.3 单位根检验问题

3.1.4 AIC准则定阶

3.1.5 模型的检验

3.2 时间序列建模过程

3.2.1 初步分析

3.2.2 模型的识别

3.2.3 模型的定阶

3.2.4 残差检验

3.2.5 模型的预测

3.3 小结

4 利用非参数自回归模型进行预测

4.1 非参数自回归模型介绍

4.1.1 非参数自回归预测模型

4.1.2 核函数的选择以及条件均值函数

4.1.3 自回归阶数p的选择

4.1.4 非参数估计方法

4.1.5 循环预测方法

4.2 螺纹钢预测模型

4.2.1 数据平稳化与定阶

4.2.2 用核估计进行预测

4.2.3 用局部线性估计进行预测

4.3 小结

5 利用半参数自回归模型进行预测

5.1 半参数自回归模型介绍

5.1.1 半参数自回归模型

5.1.2 多项式样条估计

5.2 螺纹钢半参数自回归模型的建立

5.2.1 数据的平稳化与定阶

5.2.2 参数的估计

5.2.3 半参数模型的建立

5.2.4 模型的预测

5.3 小结

6 结论

致谢

参考文献

文章来源

类型: 硕士论文

作者: 周俊林

导师: 胡吉卉

关键词: 螺纹钢,神经网络,模型,预测,非参数自回归模型,半参数自回归模型

来源: 华中科技大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,工业经济,贸易经济,市场研究与信息

单位: 华中科技大学

分类号: F764.2;F724.5;O211.67

DOI: 10.27157/d.cnki.ghzku.2019.002407

总页数: 54

文件大小: 1174K

下载量: 107

上海期货交易所螺纹钢期货价格预测的实证研究

论文摘要

论文目录

文章来源

相关论文文献

猜你喜欢