基于混合神经网络的期货交易预测
发布时间：2021-07-20 18:46
中国期货交易市场经过近三十年的发展,已经摆脱了期货交易在中国起步时交易品种重复,监管制度缺失的混乱局面,逐渐走向正轨,吸引了越来越多的投资者加入期货市场进行交易。通过对期货交易价格的变化幅度进行预测,不仅能够为投资者提供交易建议,而且对政府监管市场、规范市场都具有重大意义。针对期货价格变化幅度预测问题,提出了一种基于混合神经网络的期货价格变化幅度预测模型。在模型设计过程中,从数据集选取、神经网络结构两个方面进行考虑。数据集方面,考虑到投资者的投资收益,预测结果的实际价值,从连续的时间序列数据中选取转势点以及转势点相关数据作为数据集进行训练与预测。目前的预测模型通常只考虑收盘价,这会丢失许多有用的信息,通过将最高价,最低价,成交量等纳入考虑来获取更多信息,并对多维数据采用主成分分析法进行降维。神经网络结构方面,考虑到金融时间序列的多尺度特征,选择使用混合神经网络结构,针对图像和时间序列数据性质的不同,对应用于图像分类的混合神经网络结构进行改进,在训练过程中引入辅助损失,使组成网络在训练过程中能单独进行自身优化,并根据传统预测方法思想,为辅助损失赋予权值,体现了数据影响程度的不同,并且能够...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
转势点选取示意图
华 中 科 技 大 学 硕 士 学 位 论价格变化趋势由下跌转向上涨的转势点，记为低转势点，将的交易数据存入筛选数据集。当选择出由下跌转向上涨的转由上涨趋势转向下跌趋势的转势点。具体规则与寻找低转势开始遍历数据集，当寻找到某个时间点价格高于前后两个时价格作为临时高点，将该时间点存入临时变量 B，继续遍历时将该点价格与临时高点比较，如果比临时高点高，则更新量 B 所记录的时间点，如果低于临时高点，则临时高点记录将该点与周围六个点的交易数据存入筛选数据集，计算该点差值与涨幅加入上个低转势点的数据中，然后程序从高转势转入对低转势点的寻找，并计算跌幅存入上个高转势点的筛到遍历完毕数据集。判断低转势点的流程如图 2-3。
华 中 科 技 大 学 硕 士 学 位 论 文数据组成的邻近数据集 N 中提取的局部影响特征。混合神经网络结构通过分别使用LSTM 网络和 CNN 网络捕捉转势点相关数据集中包含的局部特征和长期特征，然后使用特征融合层合并两个网络获取的特征，最后通过 softmax 层进行涨跌幅度区间类别的预测。网络结构与数据处理流程图如下
【参考文献】：
期刊论文
[1]特征融合型卷积神经网络的语义分割[J]. 马冬梅,贺三三,杨彩锋,严春满. 计算机工程与应用. 2020(10)
[2]基于DBN深度学习的期货市场价格预测建模与决策[J]. 陈俊华,郝彦惠,郑丁文,陈思宇. 计算机科学. 2018(S1)
[3]基于深度学习的股价预测研究[J]. 刘震,王惠敏,华思瑜,陈育. 科技创新导报. 2018(13)
[4]基于主成分分析方法的我国金融系统性风险度量研究[J]. 周桦,庞家任,王子悦. 保险研究. 2018(04)
[5]时间序列多尺度异常检测方法[J]. 陈波,刘厚泉,赵志凯. 计算机工程与应用. 2018(20)
[6]基于主成分分析法的我国西部金融资源配置效率研究[J]. 王露. 中国集体经济. 2018(05)
[7]基于DBN的金融时序数据建模与决策[J]. 曾志平,萧海东,张新鹏. 计算机技术与发展. 2017(04)
[8]期货农业的专项调查与分析——以黑龙江省为例[J]. 包艳龙. 西部金融. 2016(02)
[9]基于GARCH类模型和BP神经网络的量价关系实证研究[J]. 吴秋芳,王长辉,唐亚勇. 四川大学学报(自然科学版). 2013(04)
[10]基于GA-BP神经网络模型的期货价格预测与分析[J]. 康璐,陈欢,张蕾妮,欧阳日辉. 财经界. 2011(05)
硕士论文
[1]基于深度学习之股指期货交易[D]. 杨杰群.中国科学技术大学 2015
本文编号：3293378
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：56 页
【学位级别】：硕士
【部分图文】：
转势点选取示意图
华 中 科 技 大 学 硕 士 学 位 论价格变化趋势由下跌转向上涨的转势点，记为低转势点，将的交易数据存入筛选数据集。当选择出由下跌转向上涨的转由上涨趋势转向下跌趋势的转势点。具体规则与寻找低转势开始遍历数据集，当寻找到某个时间点价格高于前后两个时价格作为临时高点，将该时间点存入临时变量 B，继续遍历时将该点价格与临时高点比较，如果比临时高点高，则更新量 B 所记录的时间点，如果低于临时高点，则临时高点记录将该点与周围六个点的交易数据存入筛选数据集，计算该点差值与涨幅加入上个低转势点的数据中，然后程序从高转势转入对低转势点的寻找，并计算跌幅存入上个高转势点的筛到遍历完毕数据集。判断低转势点的流程如图 2-3。
华 中 科 技 大 学 硕 士 学 位 论 文数据组成的邻近数据集 N 中提取的局部影响特征。混合神经网络结构通过分别使用LSTM 网络和 CNN 网络捕捉转势点相关数据集中包含的局部特征和长期特征，然后使用特征融合层合并两个网络获取的特征，最后通过 softmax 层进行涨跌幅度区间类别的预测。网络结构与数据处理流程图如下
【参考文献】：
期刊论文
[1]特征融合型卷积神经网络的语义分割[J]. 马冬梅,贺三三,杨彩锋,严春满. 计算机工程与应用. 2020(10)
[2]基于DBN深度学习的期货市场价格预测建模与决策[J]. 陈俊华,郝彦惠,郑丁文,陈思宇. 计算机科学. 2018(S1)
[3]基于深度学习的股价预测研究[J]. 刘震,王惠敏,华思瑜,陈育. 科技创新导报. 2018(13)
[4]基于主成分分析方法的我国金融系统性风险度量研究[J]. 周桦,庞家任,王子悦. 保险研究. 2018(04)
[5]时间序列多尺度异常检测方法[J]. 陈波,刘厚泉,赵志凯. 计算机工程与应用. 2018(20)
[6]基于主成分分析法的我国西部金融资源配置效率研究[J]. 王露. 中国集体经济. 2018(05)
[7]基于DBN的金融时序数据建模与决策[J]. 曾志平,萧海东,张新鹏. 计算机技术与发展. 2017(04)
[8]期货农业的专项调查与分析——以黑龙江省为例[J]. 包艳龙. 西部金融. 2016(02)
[9]基于GARCH类模型和BP神经网络的量价关系实证研究[J]. 吴秋芳,王长辉,唐亚勇. 四川大学学报(自然科学版). 2013(04)
[10]基于GA-BP神经网络模型的期货价格预测与分析[J]. 康璐,陈欢,张蕾妮,欧阳日辉. 财经界. 2011(05)
硕士论文
[1]基于深度学习之股指期货交易[D]. 杨杰群.中国科学技术大学 2015
本文编号：3293378
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3293378.html
