基于主成分-神經網絡的農產品期貨預測研究及模型實現.pdf

1、農產品期貨交易成功的關鍵,在于對市場的正確分析,尤其是對市場價格走勢的正確預測。價格是期貨交易的焦點,是對未來供需關系變化預期的一種提前反映,交易者在期貨市場中的盈虧狀況由交易者對價格走勢的判斷來決定。作為解決我國“耕者保其利”社會難題的重要載體,農產品期貨市場對農業(yè)生產經營者提供了較準確的遠期價格指導信息,能減少生產的盲目性。因此,對農產品期貨價格的分析和預測是很有意義的。 期貨市場是一個復雜的非線性動態(tài)系統(tǒng)。當前,國內外期貨

2、價格預測的研究方法多為主成分分析法(PCA)、移動平均法、指數平滑法等傳統(tǒng)的經濟預測方法,以及誤差反向傳播神經網絡(BP)、模糊神經網絡、概率神經網絡等人工神經網絡方法。實際運用中,傳統(tǒng)單一預測方法操作簡便,但預測的準確率并不太高。利用傳統(tǒng)的時間序列預測方法很難揭示其內在的規(guī)律。 本文在分析考察傳統(tǒng)預測分析方法的基礎上,提出一個面向農產品期貨市場分析、預測,由神經網絡和主成分分析法組合的新的預測方法,并針對該新方法性能的改善和提

3、高進行了深入研究。將主成分分析法引入期貨市場預測,對神經網絡的原始輸入變量進行預處理,選擇輸入變量的主成分作為網絡輸入,一方面減少了輸入維度,消除了各輸入變量的相關性；另一方面提高了神經網絡的收斂性和穩(wěn)定性,也簡化了神經網絡的結構。 由于很多用戶缺乏必要的神經網絡、甚至計算機編程的知識,因此我們使用Matlab語言的神經網絡工具箱和VC++6.0,設計了一個主成分一神經網絡模型系統(tǒng)。該模型系統(tǒng)可以給用戶提供強大的計算能力,并能讓

4、用戶按照他們的需求方便地定制自己的神經網絡預測模型。同時,文章對神經網絡的核心算法BP算法進行了改進,提出了三種改進算法,分別是動量和學習速率自調節(jié)的梯度下降算法、自適應學習率梯度下降算法和帶動量的梯度下降算法,并給出三種算法的具體實現,通過數據證實三種優(yōu)化算法在預測性能上表現更佳。 基于設計的模型,我們提供了農產品期貨的兩個典型實例作為具體設計應用的參考,同時對農產品的其他主要產品分別進行主成分神經網絡預測,進一步說明主成分神