基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的.     

基于深度学习的期权价格预测研究

期权作为一种高杠杆的金融衍生品,拥有出色的套利和对冲性能。传统的无套利期权定价方法,包括Black-Scholes期权定价模型、Merton模型和Heston模型,他们的诞生均具有严格的假设条件,同时使用随机过程拟合期权价格走势。然而,由于实际期权市场与上述严格的假设条件具有较大差异,因此传统的无套利期权定价方法无法还原实际市场中的期权定价过程。由此,本文着眼于数据驱动方法,采取深度学习算法来模拟期权定价过程。本文选取上证50ETF期权的数据,在传统无套利的Black-Scholes期权定价理论基础上,利用深度学习中的BP神经网络及LSTM神经网络模型对欧式期权定价进行可行性研究。本文建立两个期权价格预测模型,并利用这两个模型分别对期权价格进行预测,用MSE、MAE和R-squared这三个模型评价指标来描述不同模型的预测精度。实证结果表明,LSTM模型的预测精度在预测上证50ETF期权价格时具有显著优势。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据,10月30日～11月12日的10个数据为测试数据,利用BP神经网络对期货价格建立预测模型,并用遗传算法进行修正,从而实现对大豆期货交易价格的预测分析。结果表明,改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型,并对期货价格走势有良好的预测效果,可给期货市场的投资者提供投资建议。此外,利用改进后的模型可对期货市场操纵现象进行预警,对监管者具有一定参考价值。     

基于bp神经网路的我国沪深300股指期货价格预测

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。     

不同时间窗下铁矿石期货价格预测精度研究——基于CNN-LSTM注意力模型的分析

利用时间窗提升铁矿石期货价格预测精度对铁矿石期货市场平稳发展具有重要意义。本文选取2013年10月至2021年12月铁矿石期货价格及同期相关数据,采用STL分解方法对铁矿石期货价格进行特征分析,构造基于自注意力机制的CNN-LSTM模型,预测铁矿石期货价格并进行对比分析。结果表明：将铁矿石期货季节性规律应用于时间窗可以提升铁矿石期货价格预测结果准确性。在4、7、30、365天时间窗下,最佳预测结果是4天时间窗。模型预测结果的平均绝对误差MAE值为11.5,相较于LSTM、LSTM-ATT、CNN-LSTM基准模型分别降低了32.70%、19.12%、22.28%。构建模型具有较好的泛化性,MAE在7天、30天、365天时间窗下均为最低。基于此,应关注价格的时间窗特征,完善铁矿石期货市场环境,推动铁矿石现货市场保供稳价。     

大豆期货价格波动特征分析——基于Beta-skew-t-EGARCH模型的实证分析

文章基于2008-2019年大豆期货价格数据,采用Beta-skew-t-EGARCH模型研究大豆期货价格波动规律及特征,实证结果表明:大豆期货价格波动具有较强的持续性和聚集性,且呈现出杠杆效应,在履约期前后价格剧烈波动.因此,建议丰富大豆期货品种吸引投资者进入,建立大豆价格预警机制,并疏通信息渠道,尽可能解决信息不通...     

基于商品期货价格的通货膨胀预测研究

利用商品期货价格对中国通货膨胀进行了实证分析和预测。研究发现,大宗商品期货价格对PPI和CPI的变动具有显著影响。回测结果表明,模型对PPI和CPI的短期预测能力相对良好,对中长期预测的误差虽有增大,但预测走势与实际走势大体一致。在此基础上对下一步通胀走势进行分析后发现:2022年PPI将呈现逐步回落趋势;短期内CPI有小幅上升的可能,未来一年内将回落至较低水平震荡。由于期货价格无法预测到中长期产业政策变动,因此预测模型无法捕捉到个别月份的大幅波动,但在趋势判断上仍有一定参考价值。     

旅游景区门票价格影响因素研究——基于全国222家5A级景区的实证分析

基于旅游供给视角,以全国222家5A级景区的门票价格为被解释变量,选取景区交通可达性、旅游地经济水平、旅游地旅游发展水平三个外部因素和景区瞬时容量、资源品质、资源属性三个内部因素为解释变量,构建多元线性回归模型,并进行最小二乘(OLS)估计和相关检验。研究显示:景区门票价格主要受到核心资源属性、旅游地旅游发展水平的影响;景区的可达性、瞬时容量在门票价格模型中未能通过统计性检验,但在理论上与景区门票价格紧密相关;旅游地经济水平与旅游发展水平对景区门票的影响有异曲同工之妙,但旅游发展水平对门票的影响更大。