基于遗传算法优化Elman神经网络的黑色金属期货跨品种套利策略

发布时间：2020-07-14 08:51

【摘要】：随着我国经济的高速发展和相关交易制度的不断完善,我国期货市场已日趋成熟,并开始朝着国际化的目标迈进。越来越丰富的期货品种既为不同的行业提供了套期保值的工具,也为套利者提供了更多的交易产品。本文选取黑色金属产业链中具有代表性的螺纹钢、铁矿石和焦炭期货作为跨品种套利的研究对象。区别于统计套利方法,在根据协整检验的结果选择出合适的套利组合并利用GARCH模型确定了套利比例后,运用在动态系统拟合上比BP神经网络更优的Elman神经网络对价差进行预测,并使用遗传算法对其进行优化。基于神经网络的预测,本文构建了不同固定阈值下的趋势策略,相关的获利指标表明:随着开仓阈值的提高,神经网络策略的盈利利能力不断降低,原因在于阈值的提高使得策略的交易次数明显减少;基于遗传算法优化Elman神经网络建立的策略比BP神经网络和Elman神经网络能够产生更高的年化收益率,且收益率在长期内保持了稳定增长,这得益于遗传算法加快了Elman神经网络的收敛速度,增加了网络的拟合精度并使策略产生更多的有效盈利次数,除此之外,遗传算法令网络在训练时获得全局最优解,从而在大部分时间段的预测都能维持较高的准确度。本文在最后对神经网络和期货品种的后续研究进行了展望,并且为不同的市场参与主体提供了针对性的投资建议,这使得本文在具备一定理论价值的同时又具有较强的现实意义。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;F724.5;F764
【图文】：

华 中 科 技 大 学 硕 士 学 位 论 文用优化好的 Elman 神经网络再次对样本内的价差进行训练，为了保持对比性，这里的迭代次数同样选择为 300 次。图 4.9 遗传算法优化 Elman 神经网络预测误差收敛图

【相似文献】

相关期刊论文 前10条

1 吴明刚;;基于非节假日Elman神经网络的电力负荷短期预测[J];现代商贸工业;2018年03期

2 赵兰枝;;基于改进的Elman神经网络的病虫害预测模型研究[J];河套学院论坛;2018年03期

3 王鑫;贾涛;闻新;;Elman神经网络控制与LQR的实践与分析[J];工业控制计算机;2018年03期

4 骆晨;刘澜;李新;褚鹏宇;;基于改进Elman神经网络的交通标志信息量度量[J];交通运输工程与信息学报;2018年03期

5 周鹤;曹永忠;;基于改进Elman神经网络的水稻长势预测系统[J];现代盐化工;2019年02期

6 韦蕊;;基于Elman神经网络的共享单车管制研究[J];信息与电脑(理论版);2019年12期

7 李兆;;基于Elman神经网络的原料奶价格预测研究[J];北方经贸;2018年04期

8 李文;;基于Elman神经网络算法的电力负荷预测模型研究[J];赤峰学院学报(自然科学版);2017年21期

9 马明媛;韩玉珍;刘国栋;刘朗;付世会;杨天澍;;基于Elman神经网络的我国卫生总费用预测研究[J];中国医院管理;2018年06期

10 李练兵;祝亚尊;田永嘉;安子腾;王玲珑;;基于Elman神经网络的锂离子电池RUL间接预测研究[J];电源技术;2019年06期

相关会议论文 前3条

1 王松;石双双;;基于卡尔曼滤波和神经网络的PMSM参数辨识[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 韩文静;李海峰;韩纪庆;;基于长短时特征融合的语音情感识别方法研究[A];第九届全国人机语音通讯学术会议论文集[C];2007年

3 郝硕涛;夏飞;彭道刚;;基于不同参数Elman神经网络的电力负荷预测模型研究[A];2015年全国智能电网用户端能源管理学术年会论文集[C];2015年

相关博士学位论文 前2条

1 郭健;基于智能算法的非线性模型研究及预测控制[D];华中科技大学;2008年

2 杨杰;多工序制造质量智能预测建模机理研究及应用[D];华南理工大学;2011年

相关硕士学位论文 前10条

1 唐瑞波;基于遗传算法优化Elman神经网络的黑色金属期货跨品种套利策略[D];华中科技大学;2019年

2 彭玲;基于BP和Elman神经网络的网络舆情预警模型构造[D];江西农业大学;2019年

3 庞丽琴;基于Elman神经网络的公路隧道火灾临界风速预测研究[D];长安大学;2019年

4 孙文栋;基于Elman神经网络的旋转超声加工输出能量模型研究[D];哈尔滨工业大学;2018年

5 杜沛;基于多目标鲸鱼优化算法和Elman神经网络的短期风速预测模型的研究与应用[D];东北财经大学;2017年

6 解小平;基于Elman神经网络的短时交通流预测及应用研究[D];兰州交通大学;2017年

7 聂建亮;神经网络及其在大地测量数据处理中的应用[D];长安大学;2007年

8 武岩岩;基于组合预测方法的电力负荷预测研究[D];沈阳工业大学;2016年

9 王涛;基于信息理论学习的网络流量预测[D];西安邮电大学;2013年

10 王世超;电力需求侧管理数据采集与处理的研究[D];燕山大学;2012年

本文编号：2754754