基于LSTM的商品期货高频数据趋势预测模型的研究

发布时间：2020-04-15 14:51

【摘要】：量化投资为主动投资管理的一种新模式,其在欧美有五十余年的发展历史,在中国仅有十余年的发展历史。近几年伴随着机器学习与深度学习井喷式的发展,量化投资市场上基于机器学习与深度学习的量化模型的应用越来越多。本文分析了国内外量化投资市场上,机器学习与深度学习模型的相关研究与应用,发现其主要集中在股票市场,期货市场鲜有;因此,在介绍时间序列预测相关技术、剖析期货市场微观结构的基础上,选取2017年4月至7月,商品期货市场螺纹钢品种主力合约高频数据,选取相关特征作为输入,基于LSTM算法建立了趋势预测模型。实验结果与回测效果表明,该模型能够较好地预测螺纹钢品种期货短期内的涨跌趋势,证明了LSTM算法在期货高频数据上的适用性。
【图文】：

激漱怜ｉ化该逡逑图３－１逦１邋ｔｉｃｋ价格变化分布逡逑图３－１反映了邋１邋ｔｉｃｋ最新价变化分布情况，价格不发生变化的占比逡逑５９．１％；价格变化落在［－１，１］区间内占比９９．３％。绝对均值为０．４２。逡逑？逦１２邋ｔｉｃｋ价格变化分布逡逑看２令ｔ丨ｃｌｃ糸朽价ｉ化呢奉Ｖ■r2？逡逑４０％逡逑３５％－逡逑３０％逡逑２５％逡逑＾邋２０％逡逑１Ｓ％逡逑１０％逡逑５％＇逦Ｉ邋Ｉ逡逑０％邋逦．逦．逦逦，逦逦逦ｒ－Ｊ逡逑－２０逦－１０逦０逦１０逦２０逦３０逡逑图３－２邋１２邋ｔｉｃｋ价格变化分布逡逑图３－２反映了邋１２邋ｔｉｃｋ最新价变化分布情况，价格不发生变化的占比逡逑４２．７％；价格变化落在［－１．１］区间内占比８８．１％；价格变化落在［－３，３］区间内占逡逑比９９．１％。绝对均值为０．７３。逡逑？逦６０邋ｔｉｃｋ价格变化分布逡逑１５逡逑

－７．５邋一５．０逦－２邋５逦００逦２邋５逦ＳＯ逦７５逦１０．０逡逑激漱怜ｉ化该逡逑图３－１逦１邋ｔｉｃｋ价格变化分布逡逑图３－１反映了邋１邋ｔｉｃｋ最新价变化分布情况，价格不发生变化的占比逡逑５９．１％；价格变化落在［－１，１］区间内占比９９．３％。绝对均值为０．４２。逡逑？逦１２邋ｔｉｃｋ价格变化分布逡逑看２令ｔ丨ｃｌｃ糸朽价ｉ化呢奉Ｖ■r2？逡逑４０％逡逑３５％－逡逑３０％逡逑２５％逡逑＾邋２０％逡逑１Ｓ％逡逑１０％逡逑５％＇逦Ｉ邋Ｉ逡逑０％邋逦．逦．逦逦，逦逦逦ｒ－Ｊ逡逑－２０逦－１０逦０逦１０逦２０逦３０逡逑图３－２邋１２邋ｔｉｃｋ价格变化分布逡逑图３－２反映了邋１２邋ｔｉｃｋ最新价变化分布情况，，价格不发生变化的占比逡逑４２．７％；价格变化落在［－１．１］区间内占比８８．１％；价格变化落在［－３，３］区间内占逡逑比９９．１％。绝对均值为０．７３。逡逑？逦６０邋ｔｉｃｋ价格变化分布逡逑１５逡逑
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP18;F724.5;F764.2

【相似文献】

相关期刊论文 前10条

1 朱建平;魏瑾;谢邦昌;;金融高频数据挖掘研究评述与展望[J];经济学动态;2011年06期

2 金登贵;我国股市高频数据分布特征实证研究[J];江西广播电视大学学报;2005年03期

3 常宁,徐国祥;金融高频数据分析的现状与问题研究[J];财经研究;2004年03期

4 苗晓宇;;(超)高频数据视角下金融风险度量研究进展[J];经济论坛;2010年08期

5 耿克红;张世英;;超高频数据下金融市场持续期序列模型述评[J];中国管理科学;2008年04期

6 朱宇涛;杨杰;;中国证券市场高频数据统计特征分析[J];吉林工商学院学报;2016年03期

7 魏瑾瑞;朱建平;谢邦昌;;金融高频数据仅仅是一个优质的时间序列吗:概念及统计特征的再考察[J];投资研究;2014年05期

8 补冯林,张卫国,何伟;基于超高频数据的股票流动性度量研究[J];统计与决策;2005年04期

9 武光磊;;大数据时代:向高频出发[J];科学中国人;2018年18期

10 刘建华;;基于高频数据的中国股市量价日内特征分析[J];经济师;2007年10期

相关会议论文 前10条

1 郭名媛;;基于高频数据的已实现极差相关系数及实证研究[A];2012管理创新、智能科技与经济发展研讨会论文集[C];2012年

2 唐勇;;金融市场波动建模:基于高频数据视角[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

3 郭名媛;;基于高频数据的赋权已实现极差相关系数及其实证研究[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

4 ;学术名家思想精粹[A];2014年国际货币金融每日综述[C];2014年

5 张晨;李月环;;基于调整“已实现”波动率的沪深300指数高频数据波动性研究与预测[A];中国会计学会高等工科院校分会2008年学术年会（第十五届年会）暨中央在鄂集团企业财务管理研讨会论文集（上册）[C];2008年

6 张维;刘博;张小涛;;日内金融高频数据的异常点检测[A];全国自动化新技术学术交流会会议论文集（一）[C];2005年

7 仪垂林;王家琪;;基于高频数据的套利研究——对中国股市弱式有效的一个检验[A];21世纪数量经济学（第6卷）[C];2005年

8 王蘅;;高频数据传输电缆的设计与制造[A];中国通信学会2004年光缆电缆学术年会论文集[C];2004年

9 ;学术名家思想精粹[A];2014年国际货币金融每日综述[C];2014年

10 侯建荣;;基于小波分析极大模方法的极端金融事件风险建模问题研究[A];第十四届中国管理科学学术年会论文集(上册)[C];2012年

相关重要报纸文章 前10条

1 本报记者 张智;高频数据向暖 中国经济正实现“软着陆”[N];华夏时报;2017年

2 记者 林远;今年前两月投资增速或为8%[N];经济参考报;2017年

3 上海证券 刘亦千 王博生 闻嘉琦;顺势而为 风格均衡[N];中国证券报;2017年

4 第一财经研究院研究员 许元荣;高频数据看宏观：整体挑战依然 局部有所改善[N];第一财经日报;2015年

5 记者 方烨;高频数据显示8月工业生产恢复[N];经济参考报;2015年

6 记者 林远;机构称下半年经济增速无持续回落风险[N];经济参考报;2018年

7 本报记者 辛继召;银联腾讯阿里鏖战交通支付 挖掘场景背后高频数据[N];21世纪经济报道;2018年

8 中信建投期货 王雪乔;利率下行明显 期债偏强运行[N];期货日报;2018年

9 申银万国期货 金硕;政策效果渐显 股债走势分化[N];期货日报;2019年

10 本报记者 周文静;大成基金：市场仍将维持宽幅震荡格局[N];中国证券报;2016年

相关博士学位论文 前10条

1 唐勇;基于高频数据的金融市场分析[D];天津大学;2007年

2 佘宏俊;基于超高频数据的计量建模方法及市场交易行为量化研究[D];东北财经大学;2015年

3 李胜歌;基于高频数据的金融波动率研究[D];天津大学;2008年

4 王芳;基于市场微观结构噪声和跳跃的金融高频数据波动研究[D];西南财经大学;2011年

5 王萌;两类金融时间序列模型的估计理论及应用[D];中国科学技术大学;2016年

6 来升强;高频数据交易策略与波动性分析[D];厦门大学;2009年

7 郭华;中国证券市场日内交易信息对流动性和波动性的影响研究[D];天津大学;2013年

8 王锋;我国燃料油期货市场久期及其应用研究[D];中国矿业大学;2011年

9 汪剑鲲;日内股市数据的小波分形特征研究[D];首都经济贸易大学;2012年

10 李翠霞;基于高频数据下一些特征的统计推断[D];兰州大学;2013年

相关硕士学位论文 前10条

1 袁祥枫;基于LSTM的商品期货高频数据趋势预测模型的研究[D];北京邮电大学;2019年

2 周晓丹;高频数据下商品期货统计套利策略研究[D];辽宁大学;2018年

3 袁洪;基于高频数据的投资组合VaR测度研究[D];成都理工大学;2018年

4 季虎;高频交易中跳跃性波动率模型的实证研究[D];浙江大学;2018年

5 张玉希;高频数据下的沪深300股指期货量化交易策略设计[D];上海师范大学;2018年

6 张依颖;高频数据Realized GAS-GARCH模型构建和相关性研究[D];浙江工商大学;2018年

7 韩孟君;连续β或不连续β能够预测股票收益吗？[D];东北财经大学;2018年

8 徐博文;基于中国金融市场高频数据波动率的分析与实证研究[D];电子科技大学;2018年

9 李博亚;基于金融高频数据下跳的检测[D];西北师范大学;2017年

10 胡飞虎;基于高频数据的股指期货信息溢出效应研究[D];上海师范大学;2018年

本文编号：2628677