基于RBF神经网络的期货走势预测模型研究

【摘要】：期货价格走势预测一直是期货研究领域的一个热门话题,人们期望能够通过对价格的预测分析帮助投资者规避风险、提高收益。本文以大连市商品交易所为背景,将RBF神经网络技术应用于期货价格预测领域,构建了基于RBF神经网络的期货价格预测模型,以期能够更好的服务期货投资者。 本文主要做了三个方面的工作:第一部分实现了回归树算法和RBF神经网络学习算法的结合,以回归树算法初始化RBF神经网络隐层节点,并且将该算法的性能和传统的RBF神经网络学习算法进行了比较分析;第二部分以基于回归树的RBF神经网络学习算法为核心构建了期货价格预测模型,并对样本选择、预测规则、误差控制、数据预处理方法和期货收益计算规则等方面进行了说明。该模型是一个综合预测模型,它能够实现期货交易数据的收集、样本数据的生成、样本数据的归一化、期货价格预测等,提供了一个集数据处理与价格预测于一体的平台。第三部分对连续预测数据与实测数据进行了比较、误差分析,同时还进行了期货预测的可操作性分析和收益性分析,从提高期货投资的收益率角度对模型进行了论证。 实验分析表明,本文实现的基于回归树的RBF神经网络学习算法在样本空间不是很大(小于40个)、样本维度不是很高的条件下其性能是优于本文实现的传统RBF神经网络学习算法的,以该算法为核心的期货走势预测模型是有效的,是能够正确预测未来一段时间内期货价格的大体走势并为期货投资者提供一定决策支持服务的。