劉洋

摘 要：本文利用BP網(wǎng)絡(luò)對(duì)數(shù)據(jù)的壓縮性和非線性映射功能，模擬股指期貨合約的各項(xiàng)數(shù)據(jù)之間的關(guān)系，建立起一個(gè)基于神經(jīng)網(wǎng)絡(luò)的股指期貨合約結(jié)算價(jià)格預(yù)測(cè)系統(tǒng)。用交易數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，生成網(wǎng)絡(luò)后，用另外的數(shù)據(jù)對(duì)生成的網(wǎng)絡(luò)進(jìn)行驗(yàn)證，驗(yàn)證發(fā)現(xiàn)該網(wǎng)絡(luò)的預(yù)測(cè)精度較高，具備一定的應(yīng)用價(jià)值。

關(guān)鍵詞：BP算法；人工神經(jīng)網(wǎng)絡(luò)；股指期貨

1.引言

股市投資是我們?nèi)粘Ｉ钪幸环N十分普及的，具備高風(fēng)險(xiǎn)高收益特性的投資方式。2010年4月，滬深300股指期貨經(jīng)過證監(jiān)會(huì)的審核，開始在我國發(fā)行。股指期貨的推出革命性地改變股票市場(chǎng)的游戲規(guī)則，將期貨與股票結(jié)合，使市場(chǎng)參與者在股市下跌的時(shí)候可以做空獲利。

隨著神經(jīng)網(wǎng)絡(luò)算法的研究深入發(fā)展，人們逐步將神經(jīng)網(wǎng)絡(luò)應(yīng)用于經(jīng)濟(jì)領(lǐng)域，比如金融實(shí)際交易分析中。本文使用matlab工具箱中的BP算法，建立一個(gè)具有平滑學(xué)習(xí)函數(shù)的神經(jīng)網(wǎng)絡(luò)，做出一個(gè)可以合理響應(yīng)輸入的數(shù)據(jù)訓(xùn)練模型，以便對(duì)股指期貨合約的短期價(jià)格進(jìn)行檢驗(yàn)以及預(yù)測(cè)判斷。

2.BP神經(jīng)網(wǎng)絡(luò)

2.1 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)成

神經(jīng)網(wǎng)絡(luò)在很大程度上仿照人腦神經(jīng)系統(tǒng)的信息處理、存貯及檢索功能，因而人工神經(jīng)網(wǎng)絡(luò)的主要功能具備學(xué)習(xí)功能、記憶功能、計(jì)算功能以及各式智能處理功能。人工神經(jīng)網(wǎng)絡(luò)是人類大腦的一個(gè)抽象概念，是一個(gè)由大量的神經(jīng)元互相連接并且用它的各連接的權(quán)重值的分布向量來表示特定知識(shí)概念而組成的一種較為復(fù)雜的網(wǎng)絡(luò)。

人工神經(jīng)網(wǎng)絡(luò)的模型相當(dāng)多，一般在matlab建立模型時(shí)用得最多，相對(duì)于其他工具箱工具來說應(yīng)用的最為廣泛的是BP（Back-propagation）神經(jīng)網(wǎng)絡(luò)。標(biāo)準(zhǔn)的BP網(wǎng)絡(luò)由三層神經(jīng)元組成，分別是輸入層、隱含層、輸出層，數(shù)據(jù)在不同層級(jí)間傳遞，都涉及到一定的權(quán)重因子。

2.2 BP網(wǎng)絡(luò)和BP算法的特點(diǎn)

BP網(wǎng)絡(luò)的輸入和輸出是并行的兩個(gè)模擬量，網(wǎng)絡(luò)的輸入輸出關(guān)系由鏈接各層的權(quán)重因子決定，不需固定的算法，權(quán)重因子通過學(xué)習(xí)信號(hào)來調(diào)節(jié)。學(xué)習(xí)越多，隱含層就越多，輸出層的精度就越高，其中個(gè)別權(quán)重因子的損壞不會(huì)對(duì)網(wǎng)絡(luò)輸出產(chǎn)生大的影響。

BP算法是由兩部分組成，分別是信息的正向傳遞和誤差的反向傳播。在正向傳遞的過程中，因?yàn)檩斎胄畔⑹侵饘觽鬟f的，每一層神經(jīng)元的狀態(tài)只能影響到下一層神經(jīng)元的狀態(tài)，如果在輸出層未得到期望的輸出，則計(jì)算輸出層的誤差變化值，然后開始反向傳播，通過網(wǎng)絡(luò)將誤差信號(hào)沿原來的連接通路反傳回來，修改各層神經(jīng)元之間的權(quán)重因子，再次進(jìn)行信息的正向傳遞，反復(fù)運(yùn)行直至達(dá)到期望目標(biāo)。

3.BP神經(jīng)網(wǎng)絡(luò)在期貨合約價(jià)格預(yù)測(cè)中的應(yīng)用

3.1輸入層的節(jié)點(diǎn)的確定

在matlab中編程的時(shí)候，首先考慮輸入層的參數(shù)選取。對(duì)于股指期貨合約價(jià)格的變動(dòng)，從宏觀方面來考慮我們可以認(rèn)為它受以下因素的影響。

a.宏觀經(jīng)濟(jì)狀況：一些能反映經(jīng)濟(jì)運(yùn)行狀況的經(jīng)濟(jì)指標(biāo)，比如GDP、PPI、CPI，恩格爾系數(shù)等；b.宏觀經(jīng)濟(jì)政策：政府的一些貨幣政策和財(cái)政政策，比如降息，降準(zhǔn)，減稅，社保改革等；c.與標(biāo)的物相關(guān)的各種信息：比如某些標(biāo)的指數(shù)中的一些權(quán)重較大的成份股進(jìn)行定增融資、派息轉(zhuǎn)送等；d.國際金融市場(chǎng)走勢(shì)：比如國際匯率，石油，黃金等價(jià)格波動(dòng)走勢(shì)；e.到期時(shí)間長短：股指期貨合約有到期日，合約期限的不同會(huì)影響到合約價(jià)格的波動(dòng)變化 。

從數(shù)據(jù)指標(biāo)方面來考慮，最常接觸到的就是滬深300股指期貨合約每日的開盤價(jià)、收盤價(jià)、最低價(jià)、最高價(jià)、交易量、總交易金額等等數(shù)據(jù)。這6個(gè)方面的數(shù)據(jù)是精確化的歷史性數(shù)據(jù)，可以直接用于算法里面的數(shù)據(jù)訓(xùn)練。因而，在輸入層的選擇上，本文取這6組數(shù)據(jù)作為節(jié)點(diǎn)，即輸入層的節(jié)點(diǎn)數(shù)為6。

3.2隱含層節(jié)點(diǎn)，輸出節(jié)點(diǎn)的確立

在這里，出于簡便考慮，只選擇一層隱含層。這里只預(yù)測(cè)第二天的股指期貨的結(jié)算價(jià)，因而輸出節(jié)點(diǎn)，可以看作是1。由此可看出建立的本BP網(wǎng)絡(luò)的一個(gè)特點(diǎn)，那就是多元輸入，單項(xiàng)輸出。

3.3數(shù)據(jù)選取

由于需要將數(shù)據(jù)作為多種用途使用，有的用于學(xué)習(xí)訓(xùn)練，有的用于測(cè)試輸入，因而樣本容量必須足夠大。滬深300股指期貨，從2010年4月推出起，已經(jīng)運(yùn)行了接近5年時(shí)間，有上千天的交易數(shù)據(jù)。本文擬選取一個(gè)整年，用這一年的交易日數(shù)據(jù)，來建立模型。

這里通過互聯(lián)網(wǎng)，從新浪財(cái)經(jīng)網(wǎng)站上查詢到2014年3月1日至2015年2月28日的滬深300股指期貨合約相關(guān)交易數(shù)據(jù)。這一年中，有243個(gè)有效交易日。其中，選取前233組數(shù)據(jù)，進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，選取后10組，作為測(cè)試輸入和對(duì)照。

4.利用MATLAB建立預(yù)測(cè)模型

將收盤價(jià)作為Y變量，因?yàn)檫@是模型預(yù)測(cè)和對(duì)照的數(shù)據(jù)組。將其他五個(gè)參數(shù)的數(shù)據(jù)作為X變量。X變量是一個(gè)243*5的矩陣，Y變量是一個(gè)243*1的矩陣。由于X變量中的前三列與后兩列的數(shù)據(jù)相差巨大，可以在系統(tǒng)設(shè)置中，將數(shù)據(jù)改成長數(shù)據(jù)形式?，F(xiàn)在用MATLAB建立BP神經(jīng)網(wǎng)絡(luò)模型，進(jìn)行運(yùn)算和對(duì)比檢測(cè)。首先，對(duì)X和Y進(jìn)行賦值，然后運(yùn)行以下命令。

>> temp = randperm（size（x，1））；

K_train = x（temp（1：233），：）；

L_train = y（temp（1：233），：）；

K_test = x（temp（234：end），：）；

L_test = y（temp（234：end），：）；

N = size（K_test，2）；

net = newff（K_train，L_train，9）；

net.trainParam.epochs = 1000；

net.trainParam.goal = 1e-3；

net.trainParam.lr = 0.01；

net = train（net，K_train，L_train）；

L_sim_bp = sim（net，K_test）；

figure

plot（1：N，K_test，b：*，1：N，L_sim_bp，r-o）

>> xlabel（檢驗(yàn)樣本）

ylabel（滬深300股指收盤價(jià)）

經(jīng)過運(yùn)行之后，MATLAB即顯示出BP預(yù)測(cè)值與真實(shí)值（以*為標(biāo)記）的對(duì)比圖。可看出BP神經(jīng)網(wǎng)絡(luò)所預(yù)測(cè)的收盤價(jià)與真實(shí)收盤價(jià)的吻合度較高，兩者的變化曲線基本重合。

5.結(jié)論

通過matlab編程，結(jié)合實(shí)際數(shù)據(jù)，可以發(fā)現(xiàn)訓(xùn)練出來的神經(jīng)網(wǎng)絡(luò)在實(shí)際預(yù)測(cè)中達(dá)到了所預(yù)想的精度要求，在上述輸入測(cè)試值中，代碼運(yùn)行結(jié)果比較令人滿意。

我們將技術(shù)分析引入到期貨合約結(jié)算價(jià)格的預(yù)測(cè)中去，用文中所述的訓(xùn)練編制的神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，對(duì)于短期合約價(jià)格的預(yù)測(cè)在一般情況下還是具有不錯(cuò)的精度和合理的誤差的。

可以認(rèn)為網(wǎng)絡(luò)的預(yù)測(cè)有效程度主要取決于一下兩方面。

（1）針對(duì)股指期貨交易市場(chǎng)，在建立模型時(shí)，考慮到越多的相關(guān)影響因素，網(wǎng)絡(luò)的實(shí)際運(yùn)用可行性會(huì)更強(qiáng)。（2）股指期貨交易市場(chǎng)，其完善程度和網(wǎng)絡(luò)預(yù)測(cè)精度有著一定的正想關(guān)性，市場(chǎng)越完備，其效果越好。在實(shí)際情況中，如果市場(chǎng)不夠成熟，可能會(huì)造成預(yù)測(cè)的實(shí)用性不夠顯著。

在重復(fù)運(yùn)行的時(shí)候，本文發(fā)現(xiàn)了一個(gè)問題，就是該模型對(duì)于源代碼中固定的那個(gè)輸入測(cè)試值的預(yù)測(cè)是在不斷變動(dòng)的，且與真實(shí)值之間的誤差大小也是在不斷改變的，這與模型變量的選擇和模型算法有一定的關(guān)系。

本文核心在于將神經(jīng)網(wǎng)絡(luò)算法和期貨合約歷史數(shù)據(jù)結(jié)合起來，提出了這樣一種思想來預(yù)測(cè)期貨合約價(jià)格，對(duì)于在短期做空做多決策方面是有著一定參考作用，如果今后在這方面的探索中繼續(xù)進(jìn)行改進(jìn)，尤其是變量的選取和算法的改進(jìn)，將更能提高其預(yù)測(cè)值的實(shí)用價(jià)值。（作者單位：華東交通大學(xué)經(jīng)管學(xué)院）