基于小波分析AR-BP神经网络模型的大豆商品期货择时策略

发布时间：2020-04-12 14:30

【摘要】：改革开放以来,我国期货市场发展态势良好,期货产品的交易量和种类也在迅速增加。由于期货具有一定的风险投资功能,导致大量投资者不断涌入期货市场。目前在商品期货研究领域,一个重要的研究方向就是如何构建出基于期货价格预测模型的量化投资策略,进而帮助投资者规避风险、提高投资收益。本文选取了我国商品期货中具有代表性的大豆期货作为量化择时策略的研究对象。全面研究量化投资策略的国内外研究现状和期货价格预测方法的原理及特点后,本文提出构建基于小波分析AR-BP神经网络预测模型的择时策略应用于期货价格预测。在获取大豆商品价格时间序列数据后,通过小波分析对数据去噪和平滑化,择优选择了coif4小波基与3层分解层数,确定阈值规则和阈值调整方式分别为Rigrsure、sln,继而运用于案例得到大豆价格数据的低高频信号。分别针对两种低高频率信号,构建ARIMA时间序列模型以及BP人工神经网络模型,进行数据处理和预测。最后重组低高频预测结果,应用于择时策略中进行验证。本文通过对比不同模型发现,最初的时间序列模型对期货价格的预测不够精确,导致在实际交易中胜率较低;在不断地改进、优化模型后,构建了基于小波分析AR-BP神经网络模型的择时策略,交易机会和改进前相似,但是胜率明显提高,同时改善了年化收益、夏普比率、最大回撤等指标。本文探讨了基于小波分析AR-BP模型的择时策略应用于期货投资的可行性和有效性,为投资者在投资选择上提供了一定的参考价值。但是由于期货产品类型的多样化和影响因素的复杂性,使得构建能够精准预测期货价格的择时策略还有较长的路要走。
【图文】：

论文研究技术路线图

可以在时域和频域中同时执行数据信号效地区分信号的不同突变和噪声以实现去噪的目的。一组小波函数系系统地表达或逼近信号或函数是小波小波分析的非常重要的一环就是小波函数，小波函数是可以快速衰减到 0，即小波函数 (t)L(R)2 且满足 (t)dt 0式中， (t)代表的是基小波函数，，并且可以通过伸缩集群函数系统：)atb(t)a(1/2a,b 其中， a, b R,a 0(t)为子小波；a 为尺度因子，反映小波的周期长度；移。
【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】：F323.7;F724.5

【相似文献】

相关期刊论文 前10条

1 马启良;王忠友;;心音信号的小波分析研究[J];福建电脑;2019年12期

2 李宏博;;基于小波分析的变压器异常特征量的提取[J];科技创新与应用;2019年20期

3 郭华;;小波分析在图像处理中的应用[J];数字通信世界;2019年08期

4 王俊学;;小波分析在旋转机械故障诊断中的应用[J];科技资讯;2010年34期

5 王萍姝;小波分析的应用[J];青海师专学报.教育科学;2005年S3期

6 钱俊;;小波分析在消噪中的应用[J];扬州工业职业技术学院学报;2007年02期

7 刘明媚;;小波分析在图像处理中的应用研究[J];电脑迷;2016年09期

8 周鹏;王欣;曹旭阳;;基于小波分析的裂纹梁的损伤识别[J];机械设计与制造;2009年07期

9 ;小波分析(WAVELET)方法的由来[J];电视技术;2006年S1期

10 李福利;浅谈小波分析的启发式教学[J];大学数学;2005年03期

相关会议论文 前10条

1 王文圣;熊华康;丁晶;;小波分析在水文水资源中的应用研究[A];水问题的复杂性与不确定性研究与进展——第二届全国水问题研究学术研讨会论文集[C];2004年

2 李伟;;基于小波分析的悬臂梁裂纹参数识别研究[A];中国铁道学会材料工艺委员会第五届无损检测学组磁粉、渗透、涡流及射线无损检测学术交流会论文集[C];2018年

3 杨巍;臧海瑞;;基于小波分析的电网谐波检测[A];全国冶金自动化信息网2016年会论文集[C];2016年

4 崔旭东;董维申;刘瑞根;;应用小波分析探测闪光图像边缘[A];中国工程物理研究院科技年报（2000）[C];2000年

5 孙玉宗;李惠琪;陆强;王明清;;小波分析在故障诊断中的应用[A];第十一届全国自动化应用技术学术交流会论文集[C];2006年

6 施养杭;;小波分析在土木工程中的应用[A];第十二届全国结构工程学术会议论文集第Ⅱ册[C];2003年

7 刘国栋;张美云;梁巧萍;;基于离散小波分析的印刷墨斑评价方法研究[A];颜色科学与技术——2012第二届中国印刷与包装学术会议论文摘要集[C];2012年

8 李建平;;小波分析——众多学科发展的WINDOWS平台[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

9 严碧歌;张安仁;;小波分析及其在生物医学中的应用[A];2005年全国超声医学工程学术会议论文集[C];2005年

10 傅云燕;叶剑;蒋翠花;吴杰;;基于小波分析的湿润指数变化规律研究[A];第27届中国气象学会年会现代农业气象防灾减灾与粮食安全分会场论文集[C];2010年

相关博士学位论文 前10条

1 孙长飞;基于小波分析-EEMD-BSS与改进的KNN算法的振动筛振动电机滚动轴承故障信号提取和故障识别研究[D];西安建筑科技大学;2014年

2 米湘成;小波分析和人工神经网络在生态学研究中的应用[D];中国科学院研究生院（植物研究所）;2004年

3 李玉峰;小波分析在图像去噪与压缩中的应用研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2006年

4 刘占辉;小波分析在声学泄漏信号检测中的应用[D];吉林大学;2007年

5 任宜春;基于小波分析的结构参数识别方法研究[D];湖南大学;2007年

6 熊雷;小波分析在流体方程中的应用研究[D];武汉理工大学;2007年

7 宋宜美;图像处理的超小波分析与变分方法研究[D];西安电子科技大学;2012年

8 陈付华;小波在图像分析中的若干关键技术研究[D];南京理工大学;2002年

9 段亚丽;基于色素荧光的浮游藻识别测定技术研究[D];中国海洋大学;2012年

10 林克正;基于小波分析的焊缝图象处理与识别的研究[D];哈尔滨工程大学;2001年

相关硕士学位论文 前10条

1 崔本丽;基于小波分析的高压直流输电线路故障定位研究[D];福州大学;2018年

2 罗国旭;基于小波分析的复合材料压机泄漏诊断系统研究[D];福州大学;2018年

3 陈慧颖;基于小波分析AR-BP神经网络模型的大豆商品期货择时策略[D];华中科技大学;2019年

4 邱金枝;灰色系统与小波分析模型的尺度效应[D];天津师范大学;2019年

5 田野;基于小波分析与支持向量机的股票预测方法研究[D];武汉理工大学;2017年

6 周乐;小波分析和CPSO-NP优化SVM的电机故障诊断方法研究[D];辽宁工程技术大学;2018年

7 李晓彤;基于小波分析的灰色模型与ARMA-GARCH模型的组合预测[D];山东大学;2018年

8 张欣亚;基于小波分析的印刷品墨斑评价模型研究与应用[D];陕西科技大学;2018年

9 崔思林;基于小波分析的车载激光雷达振动响应误差处理算法研究[D];西安理工大学;2018年

10 康骥春;工程信号实时小波分析的设计与实现[D];长春工业大学;2010年

本文编号：2624826