论文基于bp神经网路我国沪深300股指期货价格预测是关于对写作股指期货论文范文与课题研究的大学硕士、相关本科毕业论文2018股指期货全面放开论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
摘 要：本文将首先介绍我国沪深300股指期货的现状以及影响其价格的主要因素,再介绍BP神经网络模型,并运用BP神经网络模型预测我国沪深300股指期货价格的短期走势,最后给出结论和本文的不足之处.
关键词：沪深300股指期货；BP神经网络；价格预测
1.引言
沪深300股指期货上市到现在为止,已满四周年,交易量不断地扩大,已经累计成交4.37亿手,累计成交额多达320.17万亿元,客户已经有17.58万之多.这些数字充分说明我国股指期货市场惊人的活跃程度.对于如此活跃的市场,预测其合约价格的就显得非常重要了.股指期货市场和股票市场有许多相似之处,也是一个不稳定的、开放的、非线性变化的复杂动态系统.其合约价格的变动受到金融因素、经济因素、政治因素、投资者心理因素等众多因素的影响,其变化过程具有非线性、混沌性和长期记忆性等特点.由于有以上特点的存在,我们可以利用BP神经网络的理论方法,选取每天的开盘价、收盘价、均价、成交量等指标,选取合适的隐含层数量,以预测其短期的价格.
2.沪深300股指期货
2.1 沪深300股票指数
沪深300股票指数是由中证指数公司编制,在2005年4月8日正式发布.沪深300指数是以2004年12月31日为基日,其点位为1000点.其组成是从上海和深圳证券市场中选取300只A股作为样本,其中沪市有179只,深市有121只,选取的样本为规模大、流动性强的胡票.沪深300指数的样本覆盖了沪深市场约六成的市值,其本质是作为一种商品.
2.2 沪深300股指期货
沪深300股指期货是以沪深300指数作为标的物的期货品种,在2010年4月由中国金融期货记忆所推出.它是采用 交割,交割结算价采用到期日最后两小时所有指数点位算术平均价.它具有双向交易、高杠杆性、高流动性和低交易成本的特点.双向交易是指可以买也可以卖,高杠杆性是指保证金比率只有12%,投资杠杆约为8.3倍.高流动性是指采取T+0交易方式.低成本是指期货交易的手续费一般在合约价值的万分之几左右.并且他和其他期货品种一样,出发点是为了保值而非盈利.
3.影响沪深300指数期货价格的因素
3.1 宏观经济运行及企业运行状况
一般情况下,宏观经济运行良好的情况下,该股指期货价格会呈现不断攀升的趋势；而在运行不好情况下,其价格会不断下降.同样的,如果各大企业生产经营状况良好,其价格也会上升；若相反,其价格便会下跌.
宏观经济的一些主要指标也会影响沪深300股指期货的价格,例如GDP增长率、国际贸易收支情况、实际可支配收入情况等,这些指标的增加说明我国宏观经济运行状况良好,则该股指期货的价格便会上升,若失业率增加,存贷比率过高或过低,便会使其价格下跌.
3.2 利率、汇率水平的高低及趋势
一般来说,利率水平越高,股指期货的价格就会越低.这是因为高利率会使投资者将更多的钱存入银行,从而导致股票市场的资金减少,同时,高利率会使贷款利率升高,企业的财务成本变大,生产经营状况会变差,从而影响股价,使股指期货的价格下跌.汇率的影响和利率类似,高汇率不利于出口,利于进口,会使国内企业的经营状况变差.
4.BP神经网络模型
4.1 BP神经网络模型介绍
BP神经网路也称为误差反向传播神经网络,它是由非线性变换单元组成的前馈网络.在神经网络的应用中,超过80%的神经网络模型是采用它或者是它的变化形式,因此它也是前馈网络的核心部分.
BP算法的基本思想是：学习过程是由信号的正向传播和逆向传播两部分组成,在正向传播时,输入样本值通过输入层传入各个隐含层,经过隐含层处理后,传向输出层.如果输入层的实际输出和期望的不一样,则将误差逆向传播,将误差反向传播给各层所有单元,从而得到各层单元的误差信号,并以此为依据修成各单元的权值,这种权值调整的过程是在不断进行的,就是网络的学习过程.这个过程一直到训练输出的误差减少到可以接受的程度或是预先设定的次数为止.
4.2 BP神经网络模型设定
4.2.1 网络层数
大量的实验数据证明,隐含层的数目越多,BP神经网络的非线性映射能力越强,但如果太多,反而会降低网络的性能.由于但隐层的网络可以逼近任意一个连续的非线性函数,因此,本文将会将采用单隐层的网络.
4.2.2 输入层及输出层神经元个数确定
本文利用前1天的开盘价、最高价、最低价、收盘价、交易量、10日均价、30日均价预测下一天的收盘价,因此输入层神经元的个数为N等于7,而输出层的神经元个数为M等于1.
4.2.3 隐含层神经元个数的确定
隐含层数量的多少一般由下面的公式确定：n等于ni等于n0+a
在这里我们有8个输入层,1个输出层,a取0-10之间,经反复尝试,a取5较好,因此我们设置8个隐含层.
4.3 数据处理
在训练之前,我们首先需要将数据进行标准归一化处理,因为各个数据之间的数量级是不相同的,若我们直接利用原始数据进行训练,则会导致有的数据权数太小,而有的数据权数过大,训练的结果将变得更不准确,因此我们需要对其进行处理,其公式为：x[i]p等于（xp-xmin）/（xmax-xmin）
归一化后的数据是介于0和1之间,会使预测结果会更加稳定、准确.
5.实验过程和结果分析
5.1 实验数据的选择.本文采用的实验数据是沪深300股指期货2013.5.15到2014.5.15之间的开盘价、最高价、最低价、收盘价、交易量、10日均价和30日均价 ,用前一天的开盘价、最高价、最低价、收盘价、交易量、10日均价和30日均价来预测后一天的收盘价格.选取以上的自变量主要是因为这些变量都在一定的程度上影响了后一天的收盘价,它们和因变量之间存在着某种函数关系,该函数关系可以通过神经网路模拟出来.
总结:关于免费股指期货论文范文在这里免费下载与阅读,为您的股指期货相关论文写作提供资料。
参考文献：
1、 新年首日沪深300连续触发熔断机制将停牌至收市 1月4日午后，大盘连续大跌。截至13：13，沪深300指数大跌5%，触发第一次熔断机制。在暂停交易15分钟后，指数继续杀跌，截至13：34分，沪。
2、 基于改进BP神经网络锅炉过热器管壁温度预测 摘 要：由于电站锅炉受热管壁长期处于高温状态，当其温度超过所用钢材的许用温度或因长期高温发生蠕变，便会引发各种运行事故。本设计以府谷某电HG-2。
3、 基于BP神经网络高水平女子100m栏专项成绩预测模型 摘要：运用Matlab仿真分析平台，采用人工神经网络函数映射方法，根据我国100 m栏运动员刘静1995—1998年的专项素质数值，构建并选用合。
4、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。
5、 沪深300指数日内成交量异常和价格反转 【摘要】股票市场成交量与价格的关系一直以来都是金融理论界与实务界关注的焦点，研究量价关系有助于人们了解股市微观结构和信息传递机制。本文从成交量出。
6、 沪深股市三因子模型验证 摘 要：目前在国外Fama-French三因子模型已经被广泛应用到收益率预测、风险管理、基金业绩评估等方面。借鉴国外经验运用Fama-Fren。