《基于优化的神经网络期货交易指标的研究》

摘要神经网络是机器学习领域重要的研究方法，神经网络预测能力在金融领域有着广泛的应用。期货市场中，程序化交易的交易策略研究日渐深入，本文旨在优化神经网络，进行训练、预测，并根据预测结果研究交易指标，对不同交易策略进行改进。神经网络预测由于数据储存信息不足、结构简单等问题经常出现误差很大的预测结果，并且随着初始权重的不同，预测结果变化很大，充满了不确定性。针对这一问题，本文提出了多变量预测方法。NARX神经网络输入允许加入多个外部变量进行训练，并使用多个外部变量作为最后的预测指标，本文进行预测的数据是期货商品豆粕的价格，通过详细的分析，总结出十个影响豆粕价格的因素，将它们作为神经网络的外部输入。同时，为了避免外部因子信息的的重复使用，本文引入主成分分析法，对十个外部变量进行降维处理，选出四个互不相关的主成分，即保留了原始数据的大部分信息，避免了数据冗余，又提高了神经网络的训练速度。本文通过对多变量预测结果和单变量预测结果进行对比，发现多变量预测更加准确。本文将预测结果存入到交易开拓者商品数据中，用于交易指标的研究，同时在交易开拓者平台上自主编写了一个交易策略，进行参数优化，发现问题并将预测结果指标加入到交易策略中，通过多次实验分析，预测结果交易指标对该策略有较大改进。本文为了进一步验证预测结果交易指标的合理性，在不同的交易策略中加入该指标，进行实验分析。结果表明，对于一般的交易策略，预测结果交易指标都能有效地提高交易成功率。想要下载论文的读者朋友，请先付费获得积分。