我国豆粕期货市场混沌性研究

发布时间：2017-09-30 05:36

  本文关键词：我国豆粕期货市场混沌性研究

  更多相关文章： 混沌识别 分形维 最大Lyapunov指数 混沌预测 RBF神经网络

【摘要】：农产品期货市场作为调节市场价格、减缓农产品价格波动的重要场所，其价格波动直接关系到市场价格的走势。尤其具有用途广、产业链长等特点的豆粕产品，正确把握豆粕期货市场运行特征，对维持农产品价格稳定、规避市场风险、实现套期保值具有重要的现实意义。考虑到期货市场运作的复杂性，而混沌理论作为非线性科学的重要组成部分，能够很好的揭示隐匿在貌似随机的经济现象背后的有序结构和规律，这为豆粕期货市场运作特征的考察提供了新的切入点。 本文立足于非线性科学，主要从混沌识别和混沌预测两个方面对我国豆粕期货市场的混沌性做了相关研究。 在混沌识别方面，在相空间重构基础上，选取分形维和最大Lyapunov指数两大指标，分别运用G-P法和小数据量法对其进行了计算，得到分数形式的分形维和正的最小Lyapunov指数，从定性的角度论证了我国豆粕期货市场的混沌性。混沌系统具有对初始条件的敏感性，会表现出局部的不稳定性和暴涨暴跌的波动现象，长期不可预测，这为我国豆粕期货市场“市场异象”的存在提供了解释。而混沌系统中的混沌吸引子又保证了系统的整体稳定性，因而，短期内我国豆粕期货市场的波动可以实现一定的预测把握。同时，，文章还从混沌现象具备的三个关键点角度出发，即从我国豆粕期货市场的非线性、秩序与随机性、短期预测与长期不可预测并存等方面，对我国豆粕期货市场具有混沌性的原因作了考察。 在混沌预测方面，一方面，从最大Lyapunov指数的计算中，得到豆粕期货市场周期为251天的短期预测时间，这是对豆粕期货价格时间序列预测性的笼统估计；另一方面，基于神经网络模型对非线性系统的无限逼近的优点，通过建立混沌—神经网络模型，实现了对豆粕期货价格时间序列运行趋势的定量预测和论证，结果表明，对豆粕期货市场的预测在250天之后预测精度将大大降低，验证了混沌系统的短期预测性。同时，在与其他非线性预测模型的比较中，神经网络模型也表现出了较高的预测精度，在方法论意义上，为混沌时间序列预测模型的建立提供了参考。 总之，通过对我国豆粕期货市场混沌性的识别和预测的考察，论证了豆粕期货市场的混沌特征，并联系实际进行了原因分析，得到了如下启示：对于投资者而言，在对具有混沌性期货产品的投资中，投资者应多加关注短期经济冲击，做好套期保值和风险规避的操作；对于政府监管者而言，应当为资本市场营造一个健康的竞争环境，保证信息的透明度，减少市场摩擦，提高市场运行效率；对于学者而言，神经网络技术在对具有非线性特征的时间序列的研究中具有较为理想的效果，在混沌研究中，可以先通过对非线性时间序列的混沌识别，得到对时间序列运作规律和预测尺度的客观把握，进而运用引入混沌信息的神经网络对该系统进行拟合预测，可大大提高对非线性系统运行趋势预测的精准度和可信度。
【关键词】：混沌识别 分形维 最大Lyapunov指数 混沌预测 RBF神经网络
【学位授予单位】：西北农林科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F323.7;F724.5
【目录】：

• 摘要5-7
• ABSTRACT7-11
• 第一章 导论11-19
• 1.1 研究背景11-13
• 1.2 研究目的与意义13-14
• 1.2.1 研究目的13
• 1.2.2 研究意义13-14
• 1.3 国内外研究动态14-17
• 1.3.1 关于混沌判别的研究动态与述评14-16
• 1.3.2 关于混沌预测的研究现状与述评16-17
• 1.4 研究思路和方法17-18
• 1.5 技术路线18
• 1.6 论文的创新之处18-19
• 第二章 混沌性研究基础理论19-27
• 2.1 混沌的定义19-20
• 2.2 混沌的基本特征20
• 2.3 混沌识别20-22
• 2.3.1 相空间重构20-21
• 2.3.2 混沌吸引子分形维的计算21-22
• 2.3.3 Lyapunov 指数的计算22
• 2.4 混沌预测22-26
• 2.4.1 传统混沌预测方法介绍22-23
• 2.4.2 基于神经网络的混沌预测方法介绍23-26
• 2.5 本章小结26-27
• 第三章 豆粕期货市场混沌性研究的数据收集27-29
• 3.1 数据选取27
• 3.2 线性趋势的消除27-28
• 3.3 标准化处理28-29
• 第四章 基于相空间重构的豆粕期货市场混沌识别29-39
• 4.1 数据统计性描述29-31
• 4.2 相空间重构31-33
• 4.3 豆粕期货价格序列的混沌识别33-35
• 4.3.1 分形维的计算33-34
• 4.3.2 最大 Lyapunov 指数的计算34-35
• 4.4 豆粕期货价格序列的混沌成因分析35-37
• 4.4.1 非线性特征存在原因36
• 4.4.2 秩序与随机性同在的原因36-37
• 4.4.3 短期可预测与长期不可预测同存的原因37
• 4.5 本章小结37-39
• 第五章 基于 RBF 神经网络的豆粕期货市场混沌预测39-45
• 5.1 神经网络模型的选择39
• 5.2 神经网络模型的应用原理39-41
• 5.2.1 网络构建39-40
• 5.2.2 网络训练40-41
• 5.2.3 网络预测41
• 5.3 豆粕期货价格序列的混沌预测41-44
• 5.3.1 混沌—RBF 神经网络的构建41-42
• 5.3.2 混沌—RBF 神经网络的训练42-43
• 5.3.3 混沌—RBF 神经网络的预测43-44
• 5.4 本章小结44-45
• 第六章 结论与启示45-47
• 参考文献47-50
• 致谢50-51
• 作者简介51

【参考文献】

中国期刊全文数据库 前7条

1 简相超,郑君里;混沌神经网络预测算法评价准则与性能分析[J];清华大学学报(自然科学版);2001年07期

2 王卫宁,汪秉宏,史晓平;股票价格波动的混沌行为分析[J];数量经济技术经济研究;2004年04期

3 陈敏;曹文明;李泽军;;基于混合神经网络和混沌理论的居民消费价格指数预测研究[J];统计与决策;2009年15期

4 王维;范彦伟;;基于混沌神经网络算法的CPI预测[J];统计与决策;2012年10期

5 陈敏;叶晓舟;;混沌理论在股票价格预测中的应用[J];系统仿真技术;2008年04期

6 吕瑞华;王卫亚;;混沌时间序列混合预测方法探索[J];中国软科学;2006年02期

7 杨凌,颜日初;中国证券市场的混沌性检验[J];中南财经政法大学学报;2003年06期

本文编号：946472