基于Markov状态转换模型的上海期货铜指数的预测分析

发布时间：2017-04-17 05:02

  本文关键词：基于Markov状态转换模型的上海期货铜指数的预测分析，由笔耕文化传播整理发布。

【摘要】：铜作为一种重要的工业重金属,被广泛地应用于电气、轻工、机械制造、建筑工业等领域,在国民经济的发展中有着重要的地位。但是,铜的价格波动十分频繁,给铜的生产和销售环节带来了巨大的风险,对我国经济的平稳运行产生了巨大的冲击。同时,本文不仅将Markov状态转换模型运用到价格预测过程中,并且将数据挖掘算法和Markov状态转模型相结合,提出了一种新的分析思路,因此,本文利用Markov状态转换模型结合数据挖掘算法对上海期货铜的价格指数进行预测具有十分重要的现实和理论意义。本文利用Markov状态转换模型结合传统的向前预测法和新兴的数据挖掘算法,对2001年1月1日至2015年10月21日共3588个交易数据进行分析和预测。首先利用Markov状态转换模型对150个交易日的上海期货铜指数对数收益率进行分析,将150个交易日的上海期货铜指数对数收益率分为两种状态,再结合两种状态的数据对下一交易日的上海期货铜指数对数收益率进行预测和估计。在预测和估计过程中,本文分别采取了在Markov状态转换模型的分析过程中学者经常采取的向前预测法,以及新兴的数据挖掘算法中的线性回归、支持向量机回归、决策树回归、bagging回归、boosting回归的方法分别对上海期货铜指数的对数收益率进行预测和估计。研究结果表明,利用Markov状态转换模型能够很好地预测期货铜指数的价格波动。其中,利用基于向前预测法的Markov状态转换模型进行投资,每年的平均收益为7.06%,并且每年的平均交易次数也未超过5次;基于数据挖掘算法的Markov状态转换模型的表现比传统的基于向前预测法的Markov状态转换模型表现更为优异,在收益率的均值和方差、对涨跌方向预测准确率等指标上均优于传统模型,基于数据挖掘方法(boosting回归)的Markov状态转换模型在年平均收益率这项指标上,表现最优,年收益率高达19.63%,收益率显著优于其他模型;基于数据挖掘方法(支持向量机回归)的Markov状态转换模型在收益率方差这项指标上,表现最优,收益率方差仅为2.22%,同时,基于数据挖掘方法的Markov状态转换模型能够在一定程度上改善向前预测法的Markov状态转换模型对于震荡行情分析能力不足的问题。这说明,通过进一步结合数据挖掘算法,我们能够进一步提高Markov状态转换模型在书剑序列分析过程中的分析预测能力,提高模型的实用性和解释能力,进一步发展和完善Markov状态转换模型。
【关键词】：期货铜价格 Markov状态转换模型 数据挖掘算法
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224;F724.5;F764.2
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-13
• 第一节 选题背景和研究意义9-10
• 第二节 论文创新点及框架10-13
• 一、论文创新点10-11
• 二、本文框架结构11-13
• 第二章 研究方法综述13-19
• 第一节 Markov状态转换模型研究综述13-16
• 一、国外研究综述13-14
• 二、国内研究综述14-16
• 第二节 数据挖掘算法研究综述16-19
• 一、数据挖掘算法介绍16-17
• 二、国内外研究综述17-19
• 第三章 研究理论介绍19-25
• 第一节 分析模型理论介绍19-22
• 一、Markov链19-20
• 二、Markov状态转换模型20
• 三、EM算法20-22
• 第二节 预测模型理论介绍22-25
• 一、基于Markov模型的预测方法22
• 二、基于数据分析的预测方法22-25
• 第四章 数据选取与模型构建25-31
• 第一节 数据选取25-26
• 第二节 数据的统计学特征26-27
• 一、收益率序列的基本统计分析26-27
• 二、单位根检验27
• 第三节 Markov状态转换模型构建27-30
• 一、模型设定28-29
• 二、状态推断29
• 三、状态持续期29-30
• 第四节 收益率预测模型构建30-31
• 第五章 实证分析31-52
• 第一节 训练期的Markov状态转化模型31-32
• 第二节 基于向前预测法的预测模型32-35
• 一、整体状况33-34
• 二、各年预测状况34-35
• 三、小结35
• 第三节 基于数据挖掘方法的预测模型35-47
• 一、基于线性回归的预测与分析36-38
• 二、基于支持向量机回归的预测与分析38-40
• 三、基于决策树回归的预测与分析40-43
• 四、基于bagging回归的预测与分析43-45
• 五、基于boosting回归的预测与分析45-47
• 第四节 总结47-52
• 第六章 结论与展望52-55
• 第一节 主要结论52-54
• 第二节 不足之处与未来展望54-55
• 参考文献55-59
• 致谢59-60
• 作者在读期间完成的研究成果60

【相似文献】

中国期刊全文数据库 前10条

1 周波;;体制转换模型的最新进展及其应用[J];山东财政学院学报;2007年02期

2 李明东，刘建国;改进双向优势转换模型及软件设计[J];四川师范学院学报(自然科学版);1996年02期

3 周波;;体制转换模型:理论框架及其最新进展[J];河北经贸大学学报;2007年02期

4 巩伟;王楠;刘建卫;;从顾客满意到顾客忠诚[J];现代商业;2007年20期

5 郝晓斌;梅婷;;黄大豆1号期货收益率体制转换模型分析[J];河南科学;2012年11期

6 谢赤,吴雄伟;一个基于水平模型的利率结构转换模型[J];系统工程;2002年01期

7 戴昌钧;王作友;郑新;;教育对经济作用机制的探索——一种教育—经济转换模型[J];管理工程学报;1993年02期

8 张虎;胡淑兰;;马尔可夫转换模型的极大似然估计的算法[J];统计与决策;2011年06期

9 葛文雷;居新华;;基于马尔可夫转换模型的中国股市波动性研究[J];统计与决策;2010年17期

10 赵霞;马云倩;;基于马尔科夫机制转换模型的人民币汇率动态特征研究[J];经济与管理评论;2012年02期

中国重要会议论文全文数据库 前3条

1 张宏;;布尔莎-沃尔夫转换模型的几何证明[A];经天纬地——全国测绘科技信息网中南分网第十九次学术交流会优秀论文选编[C];2005年

2 田志宏;张永铮;张伟哲;云晓春;张宏莉;姜伟;;基于权能转换模型的攻击场景推理、假设与预测[A];全国网络与信息安全技术研讨会论文集（上册）[C];2007年

3 陈文礼;陈华;;基于状态转换模型的可修备件系统优化配置[A];2008全国制造业信息化标准化论坛论文集[C];2008年

中国重要报纸全文数据库 前1条

1 海通证券研究所 石建明;M1与CPI相关程度更高[N];中国证券报;2009年

中国博士学位论文全文数据库 前5条

1 栾海军;基于分形理论的NDVI连续空间尺度转换模型构建[D];南京大学;2013年

2 过蓓蓓;结构转换模型及其在长期风险管理中的应用[D];中国科学技术大学;2010年

3 王伟;体制转换模型下的期权定价[D];华东师范大学;2010年

4 王建军;Markov机制转换模型研究及其在经济周期分析中的应用[D];厦门大学;2007年

5 危佳钦;马尔科夫机制转换模型下的最优分红策略[D];华东师范大学;2011年

中国硕士学位论文全文数据库 前7条

1 胡淙海;基于Markov状态转换模型的上海期货铜指数的预测分析[D];云南财经大学;2016年

2 张智敏;非线性机制转换模型的统计分析及应用研究[D];武汉理工大学;2012年

3 梁浩怡;时间序列结构转换模型的分析、建模与应用[D];天津大学;2007年

4 邢立芳;马尔可夫机制转换模型及其在中国通货膨胀率波动分析中的应用[D];华中科技大学;2008年

5 赖敏;基于Markov机制转换模型的黄金价格波动特征研究[D];南京理工大学;2010年

6 彭成;基于贝叶斯面板平滑转换模型的期银市场时变性研究[D];湖南大学;2014年

7 周静;体制转换模型下中国股票市场VaR的估算[D];广州大学;2008年

  本文关键词：基于Markov状态转换模型的上海期货铜指数的预测分析，由笔耕文化传播整理发布。

，

本文编号：312446