基于BP神經網絡的滬深300股指期貨價格預測

[摘 要]本文在BP神經網絡的基礎上，利用滬深300股指期貨的每日收盤價，對其價格進行實際模擬和預測。模擬結果與實際相比，有較高的精度和較為穩定的預測效果，說明BP神經網絡對滬深300股指期貨市場的預測是可行的。

[關鍵詞]股指期貨；BP神經網絡；價格預測

[中圖分類號]F832 [文獻標識碼]A [文章編號]1005-6432（2013）30-0121-02

2010年4月16日，中國正式推出了首個股指期貨合約——滬深300股指期貨，該合約的推出結束了國內證券市場沒有避險工具的時代。股指期貨不僅具有價格發現、套期保值的基本功能，與此同時還具有投機、套利等資產配置功能。近幾年來，學術界和投資界也越來越重視對股指期貨價格預測的研究。股指期貨市場是一個復雜的非線性動態系統，存在著非線性和不確定性，采用傳統的計量經濟學方法預測其價格，必然會存在許多困難。國內現有的文獻資料中，鮮有對股指期貨價格進行預測的文章，但存在許多對單一股票價格預測的文章，如付成宏，傅明等（2004）[1]在基于RBF神經網絡的基礎上對上海石化這只股票價格進行預測，得出了該模型對于股價格的短期預測效果很好，還有張慧斌，高秀萍（2011）[2]在基于Elman神經網絡的基礎上對浦發銀行股價在時間序列上作了若干天的預測，實驗結果取得了較高的精度和較為穩定的預測效果和較快的收斂速度，這表明該模型對個股的預測短期是可行和有效的。為此，本文在基于BP神經網絡的基礎上，擬利用Matlab2011A軟件對滬深300股指期貨的每日收盤價進行實際模擬與預測。

1 BP神經網絡模型概述

BP神經網絡，即誤差反向傳播神經網絡，是多層前饋神經網絡的一種，它與其他多層前饋神經網絡相比，多出了一層隱含層。它其實反映了一種歐式空間的映射，即加入神經網絡的輸入節點的數目為N，且該神經網絡的輸出節點為M，那么該神經網絡其實就是從N維的歐式空間到M維的歐式空間的一個映射。

BP算法的基本思想是，學習過程由信號的正向傳播與誤差的反向傳播兩個過程組成。正向傳播時，輸入樣本從輸入層傳入，經各隱層逐層處理后，傳向輸出層。若輸出層的實際輸出與期望輸出不符，則轉入誤差的反向傳播階段。誤差反傳是將輸出誤差以各種形式通過隱層向輸入層逐層反傳，并將誤差分攤給各層的所有單元，從而獲得各層的誤差信號，此誤差信號即作為修正各單元權值的依據。這種信號正向傳播與反向傳播的各層權值調整過程，是周而復始地進行的。權值不斷調整的過程，也就是網絡的學習訓練過程。此過程一直進行到網絡輸出誤差減小到可接受的程度，或者到預先設定的學習次數為止。

2 實證分析