模糊集合時間序列方法預測中國農產品期貨指數

陳爽　高洪韻　李丹

【摘要】期貨市場在貨幣市場和資本市場中有著舉足輕重的地位，投資者和決策者都亟需能夠預測其價格走勢的理論與方法。然而，期貨市場是一個不穩定的復雜系統，政治、社會、宏觀經濟趨勢以及投資者心理等諸多因素都可能使得期貨價格產生不同程度的變化，本文基于模糊集合理論，運用一階模糊時間序列模型對中國農產品期貨指數進行預測，應用實例表明運用模糊時間序列模型可以對農產品期貨短期內的價格指數進行較高精度的預測。

【關鍵詞】模糊時間序列模型 農產品期貨指數 價格預測

農產品期貨市場具有價格發現功能，不僅對未來現貨價格的走勢具有先行性和預測性，對宏觀經濟變量也有不小的影響，可以通過預測農產品期貨指數來提高前瞻性。目前對農產品期貨指數的預測得到了國內學者的廣泛關注，黃穎[1]應用主成分分析法和神經網絡模型建立了農產品期貨預測模型；楊科[2]研究了農產品期貨市場波動率的動態特征，并建立了相應的預測模型然而，田鳳平[3]基于TVS—HAR模型進行農產品期貨市場波動率預測研究。然而，由于期貨市場發展較晚，期貨指數也是近幾年才編制的，信息采集比較困難，信息的準確性也不能得到有效的保證，加之市場環境是動態變化的，這就要求模型的參數選取要隨之變化否則預測精度會大打折扣，而這些問題很難用傳統的預測方法解決。面對這些問題，Song和Chissom[4]基于模糊集理論提出的模糊時間序列的概念給我們提供了解決問題的新思路，基于此本文構建了模糊時間序列預測模型，應用一階模糊時間序列模型來預測中國農產品期貨價格.

一、一階模糊時間序列預測模型

以中國農產品期貨指數為例，將模糊時間序列預測模型應用于期貨指數的預測.采用由中國期貨市場監控中心發布的20160401至20160430的中國農產品期貨指數為樣本數據進行研究，

根據上面所定義的語言值，用公式（1.1）計算表1中的期貨指數之于上述語言值的隸屬度，并確定它隸屬于哪個模糊集，結果如表1所示.可以從表1中獲得期貨指數的模糊邏輯關系。

可以預測出中國農產品期貨指數2016年4月5日至2016年4月29日的收盤價，預測規則采用前文闡釋的Song和Chissom提出的三個預測規則，此處不多加贅述，下文中將具體說明4月5日相同的方法步驟同樣適用于4月份中其他交易日。

[4月5日]：因在表3.2中4月1日期貨指數的模糊集為A1，且由表3.4可知A1對應的模糊關系可分別表示為：

模糊集合A1和A2的最大隸屬度值在去區間u1=[810，830]和u2=[830，850]上，其區間的中間值分別為820和840，因此，取兩個區間的中間值的平均值830作為預測值，2016年4月5日至2016年4月29日的期貨指數預測值見下圖。

從圖1可看出本文預測值與實際值較為接近，圖中虛線為預測值，實線為實際值，可見，本文利用用簡化的計算代替了“最大-最小”合成運算，更加有效率之余也不失準確性。

二、結論

本文基于模糊時間序列提出了一種農產品期貨指數的預測方法，采用期貨收盤價歷史數據作為樣本數據來說明預測的過程，并測試所提出的方法的魯棒性測試。通過例證，我們可以看到，該方法不僅能在短期內有效預測農產品期貨的價格走勢，而且在歷史數據有偏差時還可以做出合理的預測。

參考文獻

[1]黃穎.基于主成分—神經網絡的農產品期貨預測研究及模型實現[D].首都師范大學，2008.

[2]楊科，田鳳平.農產品期貨市場波動率的動態特征及其預測模型[J].經濟評論，2014（4）：50-67.

[3]田鳳平，楊科.基于TVS—HAR模型的農產品期貨市場已實現波動率的預測研究[J].系統工程理論與實踐，2016，36（12）：3003-3016.

[4]Song Q，Chissom B S.Forecasting enrollments with fuzzytime series-part I[J].Fuzzy Sets and Systems，1993，54：1-9.

基金項目：國家自然科學基金資助項目（11701061，11626052， 11626051，11501074），）；遼寧省博士啟動基金（201601296，20170520373）。

作者簡介：陳爽（1987-），女，博士，講師，研究方向：隨機優化研究。endprint