2021年基于GA.docx

基于GA

　　摘要：本文选择2021年1月5日～10月29日的大豆期货主力A1001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神经络对期货价格建立预计模型，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计分析。结果表明，改善后的GABP神经络模型拟合精度显著高于BP神经络模型，并对期货价格走势有良好的预计效果，可给期货市场的投资者提供投资提议。另外，利用改善后的模型可对期货市场操纵现象进行预警，对监管者含有一定参考价值。
　　关键词：期货价格预计BP神经络遗传算法
　　引言及文件综述
　　20世纪以来，中国期货市场得到了长足发展，但相对而言，因为中国期货市场仍处于低级阶段，市场操纵严重，投资者投资理念不科学等问题使市场风险事件不停发生，直接阻碍了期货市场走向成熟。很多风险事件归根结蒂，就是期货价格的波动问题，故分析和预计期货价格改变趋势自然成为期货市场风险控制研究的重中之重，和此同时，了解期货价格走势也有利于帮助投资者降低风险、提升收益，实现金融市场的整体稳定和协调。
　　国外期货市场起步较早，在期货市场预计的研究和实践方面开展了大量有价值的工作,Shaikh ，Zahid Iqba（2021）用神经络预计标普500指数期货价格的波动；Shahriar Yousefi，Ilna WEinrEIch等（2021）提出一个基于小波变换的预计程序并用来对原油期货进行预计。在中国，学者们也试图经过计量模型对期货价格进行预计：张方杰、胡燕京（2021）的ARMA模型，王习涛（2021）的ARIMA模型，刘轶芳、迟国泰（2021）的GARCH—EWMA的期货价格预计模型、杨熙亮、朱东华、刘怡菲（2021）的BP神经络模型等全部在期货价格预计中得到应用。
　　总结我国外对期货价格的预计研究，能够发觉对期货的预计存在一系列问题，比如：期货数据含有高噪声；各原因之间的相关性错综复杂；期货价格含有非线性特征等等。在这种情况下，人工神经络方法就显示出其特有的优势，所以本文选择了BP络模型作为期货短期预计的基础因果模型，并依据实际应用的需要做了发明性的改善。
　　实证分析
　　
　　本文选择大连商品交易所的大豆期货合约为研究对象，作为比较稳定的交易品种，它的走势一定程度上能够反应所在交易所的交易情况，对它的预计情况在一定程度上也能够反应对其交易所其它期货预计的可行性。综合考虑数据可得性、完整性等原因，本文选择2021年1月5日10月29日的大豆期货主力A1001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。数据于大连商品交易所。
　　因为期货价格改变受很多原因的影响，为了尽可能提升预计的正确性，输入变量选择为当日开盘价、当日最高价、当日最低价、当日收盘价、结算价、当日成交量、成交金额和当日持仓量，总共8个输入量。
　　2. BP神经络模型的建立及实现
　　误差反传模型（BP神经络模型）可任意迫近非线性函数，其运行过程分为信号的正向传输和误差的反向传输两阶段：第一阶段，将样本从输入层传入，经各隐层处理后，传向输出层。若输出层的实际输出和期望的输出不符，则转入第二阶段，将输出误差以某种形式经过隐层向输入层