基于BP神经网络的沪深300股指期货预测

[摘 要]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.

[关 键 词]股指期货；BP神经网络；预测

[中图分类号]F832[文献标识码]A[文章编号]1005-6432（2013）30-0121-02

2010年4月16日,中国正式推出了首个股指期货合约——沪深300股指期货,该合约的推出结束了国内证券市场没有避险工具的时代.股指期货不仅具有发现、套期保值的基本功能,与此同时还具有投机、套利等资产配置功能.近几年来,学术界和投资界也越来越重视对股指期货预测的研究.股指期货市场是一个复杂的非线性动态系统,存在着非线性和不确定性,采用传统的计量经济学方法预测其,必然会存在许多困难.国内现有的文献资料中,鲜有对股指期货进行预测的文章,但存在许多对单一股票预测的文章,如付成宏,傅明等（2004）[1]在基于RBF神经网络的基础上对上海石化这只股票进行预测,得出了该模型对于股的短期预测效果很好,还有张慧斌,高秀萍（2011）[2]在基于Elman神经网络的基础上对浦发银行股价在时间序列上作了若干天的预测,实验结果取得了较高的精度和较为稳定的预测效果和较快的收敛速度,这表明该模型对个股的预测短期是可行和有效的.为此,本文在基于BP神经网络的基础上,拟利用Matlab2011A软件对沪深300股指期货的每日收盘价进行实际模拟与预测.

1BP神经网络模型概述

BP神经网络,即误差反向传播神经网络,是多层前馈神经网络的一种,它与其他多层前馈神经网络相比,多出了一层隐含层.它其实反映了一种欧式空间的映射,即加入神经网络的输入节点的数目为N,且该神经网络的输出节点为M,那么该神经网络其实就是从N维的欧式空间到M维的欧式空间的一个映射.

BP算法的基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成.正向传播时,输入样本从输入层传入,经各隐层逐层处理后,传向输出层.若输出层的实际输出与期望输出不符,则转入误差的反向传播阶段.误差反传是将输出误差以各种形式通过隐层向输入层逐层反传,并将误差分摊给各层的所有单元,从而获得各层的误差信号,此误差信号即作为修正各单元权值的依据.这种信号正向传播与反向传播的各层权值调整过程,是周而复始地进行的.权值不断调整的过程,也就是网络的学习训练过程.此过程一直进行到网络输出误差减小到可接受的程度,或者到预先设定的学习次数为止.

2实证分析