中国黄金期货价格的SVR智能预测研究

发布时间：2018-03-09 20:37

  本文选题：黄金期货　切入点：支持向量回归机　出处：《会计之友》2017年17期 　论文类型：期刊论文

【摘要】：以中国黄金期货为研究对象,选取了开盘价、最高价、最低价、收盘价、成交量和成交额6项指标作为样本的特征指标变量,运用归一化方法消除特征指标变量间因量纲不同而造成的预测误差,进而引入支持向量回归机(Support Vector Regression Machine,SVR)智能方法对该期货的开盘价格进行预测研究,并通过引入网格搜索法对SVR模型的最优参数进行寻找,从而构建了最优的SVR智能预测模型。通过对训练样本集与测试样本集的实证研究发现,文章所构建的最优SVR智能预测模型具有优越的学习性能与泛化推广性能,能够准确地预测中国黄金期货的价格。
[Abstract]:Taking the Chinese gold futures as the research object, this paper selects the opening price, the highest price, the lowest price, the closing price, the turnover and the turnover as the characteristic index variables of the sample. The normalized method is used to eliminate the prediction error caused by the difference of dimension among the characteristic index variables, and then the support vector regression machine (SVM) support Vector Regression Machine (SVR) intelligent method is introduced to predict the opening price of the futures. By introducing the grid search method to find the optimal parameters of the SVR model, the optimal SVR intelligent prediction model is constructed, and the empirical research on the training sample set and the test sample set is made. The optimal SVR intelligent prediction model has excellent learning performance and generalization performance, and it can accurately predict the price of Chinese gold futures.
【作者单位】： 成都理工大学商学院;
【基金】：成都理工大学金融与投资科研创新团队项目(KYTD201303)
【分类号】：F724.5

【参考文献】

相关期刊论文 前9条

1 徐雪;罗克;;中国黄金期货市场价格发现功能的实证分析[J];管理世界;2014年11期

2 高玉明;张仁津;;基于改进QPSO算法优化SVR的上证指数预测[J];计算机仿真;2013年12期

3 陈荣;梁昌勇;陆文星;宋国锋;梁焱;;基于季节SVR-PSO的旅游客流量预测模型研究[J];系统工程理论与实践;2014年05期

4 费宇;王江;;FDI对我国各地区经济增长的非线性效应分析[J];统计研究;2013年04期

5 刘飞;吴卫锋;王开科;;我国黄金期货市场定价效率与价格发现功能测算——基于5分钟高频数据的实证研究[J];国际金融研究;2013年04期

6 查进道;;一种改进的基于DE-SVR的上证指数预测模型[J];统计与决策;2012年23期

7 范为;房四海;;金融危机期间黄金价格的影响因素研究[J];管理评论;2012年03期

8 杨建辉;李龙;;基于SVR的期权价格预测模型[J];系统工程理论与实践;2011年05期

9 林伯强;中国能源需求的经济计量分析[J];统计研究;2001年10期

相关硕士学位论文 前1条

1 韩君;中国能源需求的建模与实证分析[D];兰州商学院;2007年

【共引文献】

相关期刊论文 前10条

1 谢品杰;王梁洪;王绵斌;;碳排放约束对我国电力需求的影响研究[J];生态经济;2017年12期

2 刘会政;陈奕;;我国螺纹钢期货市场价格发现功能探究——基于现货市场区域差别分析[J];价格理论与实践;2017年10期

3 刘胜粤;;国际黄金市场与中美金融市场的关联性及其波动溢出效应研究——基于多元VAR-BEKK(DCC)-MGARCH模型[J];中国市场;2017年26期

4 杨潇;;中国黄金期货价格的SVR智能预测研究[J];会计之友;2017年17期

5 杨旌;李俊付;张高青;;基于改进支持向量回归机的煤炭物流成本预测[J];广西大学学报(自然科学版);2017年04期

6 戴红彬;杨建科;;陕西能源消费与GDP及能源加工转换效率关系研究[J];西安石油大学学报(社会科学版);2017年04期

7 胡安建;侯磊;常志有;;外商直接投资对我国经济增长、产业结构优化的影响研究——基于VAR模型[J];区域金融研究;2017年07期

8 张江涛;闫爽爽;;中国黄金市场与股票市场关系的实证检验[J];中国物价;2017年06期

9 黄永莹;;基于自由现金流量对上市公司的估值分析——以周大福珠宝集团有限公司为例[J];财会学习;2017年11期

10 党耀国;魏龙;丁松;;基于驱动信息控制项的灰色多变量离散时滞模型及其应用[J];控制与决策;2017年09期

相关硕士学位论文 前8条

1 张明;基于经济转型背景下内蒙古能源产品市场需求研究[D];内蒙古财经大学;2016年

2 员晓阳;机场运行能源需求预测模型研究[D];中国民航大学;2016年

3 郭皓雪;山西省煤炭资源与区域经济发展的耦合关系研究[D];山西农业大学;2015年

4 张晋娟;山西省煤炭经济与经济增长的关系研究[D];北京林业大学;2013年

5 秦国真;云南能源需求影响因素分析及预测[D];云南财经大学;2012年

6 余梦华;九江市某农村信用社人力资源规划与设计研究[D];南昌大学;2011年

7 杨帆;中国区域能源消费及其影响因素比较研究[D];西南财经大学;2009年

8 吕明;中国煤炭消费预测模型研究与应用[D];北京交通大学;2008年

【二级参考文献】

相关期刊论文 前10条

1 刘飞;吴卫锋;王开科;;我国黄金期货市场定价效率与价格发现功能测算——基于5分钟高频数据的实证研究[J];国际金融研究;2013年04期

2 陈海英;;基于支持向量机的上证指数预测和分析[J];计算机仿真;2013年01期

3 林芸;;黄金现货与黄金期货价格联动性研究[J];现代物业(中旬刊);2012年10期

4 陈秋雨;陈冲;冯炜;;中国黄金期货市场价格发现功能研究[J];浙江社会科学;2012年07期

5 李红霞;傅强;袁晨;;中国黄金期货与现货市场的相关性及其套期保值研究[J];财贸研究;2012年03期

6 方匡南;蔡振忠;;我国股指期货价格发现功能研究[J];统计研究;2012年05期

7 郑鸣;庄金良;王云静;;大陆与台湾股指期货价格发现功能比较研究[J];投资研究;2011年12期

8 张玉;尹腾飞;;支持向量机在税收预测中的应用研究[J];计算机仿真;2011年09期

9 文凤华;刘文井;杨晓光;;沪深300指数期货与现货市场的动态关联性研究——基于2010年4月16日以来的高频数据[J];长沙理工大学学报(社会科学版);2011年02期

10 李志龙;陈志钢;覃智勇;;基于支持向量机旅游需求预测[J];经济地理;2010年12期

，

本文编号：1590160