基于支持向量回歸的豆油期貨數據分析

王玥 孫德山 張蕾 張文政

摘 要 隨著期貨市場在經濟中的影響逐漸增強，對期貨市場的研究具有實際意義. 選取豆油期貨指數進行研究，首先將數據進行歸一化處理，然后選用支持向量回歸方法建模分析.分析結果表明該方法對短期內的數據預測具有較好的效果，對了解期貨市場的近期走勢提供一些借鑒.

關鍵詞 支持向量回歸;豆油期貨;期貨指標;移動平均;隨機指標

中圖分類號 F724.5文獻標識碼 A

Abstract With the increasing influence of the futures market in economy， the research on the futures market is of practical significance. We selected ?and studied ?the futures index of soybean oil. First， the data was ?normalized， and then the support vector machine was ?used to model analysis. The analysis results show that the method has a relatively good effect on the short-term data prediction， and provides some reference for understanding the futures trend of the futures market.

Key words support vector machine; soybean futures; indicators of futures; moving average; KDJ

1 引 言

中國的期貨交易萌芽在清朝時期，隨著100多年的發展，上海期貨交易所、大連商品交易所、鄭州商品交易所和中國金融期貨交易所四家期貨交易所應運而生，并且對我國期貨交易產生了深遠的影響.目前，我國上市的期貨品種覆蓋農產品、有色金屬、貴金屬、能源化工、金融等重要品種，而且我國已經發展成為全球第一大商品期貨市場.

2010年4月16日，隨著滬深300股期貨正式上市交易，期貨交易成為中國股市的重要組成部分和金融市場體系的重要組成部分.對于投資者而言，期貨交易具有方便的賣空機制、交易成本較低、市場流動性較高等特點.研究期貨交易有利于方便人們的投資，對我國資本市場的完善發展具有重要的作用.

近年來，期貨市場呈現出健康快速的發展狀態[1]，隨著科學技術的發展，人們對期貨市場的研究也越來越深入.文獻[2]運用多元回歸分析大豆期貨價格，并探求對大豆價格的影響因素.文獻[3]運用粒子群算法得到最優的支持向量機核函數，并對近期價格做了相關的預測.文獻[4]引用了多種時間序列模型預測期貨數據，得出了Garch模型最適用的結論.于航[5]使用支持向量機模型預測價格變化趨勢，與傳統的預測具體數值不同，在一定程度上提高了預測的準確性.本文使用支持向量回歸來研究豆油期貨的數據，并由當天的數據預測下一天的數據，實驗表明SVR對短期預測具有較好的效果.

2 支持向量回歸（SVR）模型建立

支持向量機（SVM）是在1995年由Cortes和Vapnik[6]等人提出，是一種具有核函數和解的稀疏性的特點的特殊的算法.SVM建立在VC維理論和結構化最小原則上，建立了一個函數使誤差最小化，有效的避免了過度擬合的問題.在分類（SVC）的情況下，試圖尋找一個最優超平面分開兩類.在回歸（SVR）的情況下，則是建立一個盡可能多地接近數據點的超平面[7].

6）能量潮（OBV）

OBV指標就是發現熱門股票、分析股價運動趨勢的一種技術指標。它是將股市的人氣——成交量與股價的關系數字化、直觀化，以股市的成交量變化來衡量股市的推動力，從而判斷股價的走勢.

4 實證分析

選取大連商品交易市場中的豆油指數（YL9）數據，選取時間段為2014.05.26～2017.10.24，共835個數據（見圖1）.選取開盤價、收盤價、成交量、移動平均線、隨機指標、能量潮6個指標，利用前一個交易日的6個指標數據預測下一個交易日的開盤價.

圖1 選取的數據的開盤價

運用R語言程序，選用e1071程序包進行實驗。為了消除指標間的量綱性，先對數據進行歸一化處理，變換形式為：

并做出其擬合圖像，用來體現原始數據和預測數據的相關程度，如圖2和圖3所示.

5 結 論

本文選用豆油期貨近期850個數據進行實證分析，采用支持向量回歸方法進行建模，結果顯示MAE和MSE的數值較小，表明SVR在豆油期貨預測中具有可行性，可以判斷一定時期內的開盤價走勢，對短期內的交易有一定的參考作用.實驗中核函數的參數選取對結果有顯著的影響，論文采用交叉實驗的方式選擇最優參數.期貨商品大多數為農產品、金屬和能源，在長期的交易內，不排除GDP、通貨膨脹等經濟因素的影響和氣候等自然因素的影響，所以SVR在長期預測中還有待深入研究.

參考文獻

[1]宋承國.中國期貨市場的歷史與發展研究[D].蘇州：蘇州大學社會學院，2010.

[2]?高昂，范雯娟，陳皓.我國大豆期貨變動因素的多元回歸分析[J].中國物價，2008（6）：10-13.

[3]?賽英，張鳳廷，張濤.基于支持向量機的中國股指期貨回歸預測研究[J].中國管理科學，2013，21（3）：35-39.

[4]?孫德山，錢程，韓國濤. GARCH類模型在我國期貨市場預測中的應用研究[J].遼寧師范大學學報，2012.03，35（1）：4-8.

[5]?于航.基于支持向量機模型的股指期貨高頻交易策略研究[D].北京：北京理工大學數學與統計學院，2015.

[6]?CORTES C， VAPNIK V. Support-vector networks[J]. Machine Learning， 1995， 20（3）：273-297.

[7]?MARIETTE A， RAHUL K. Support Vector Regression[J]. Neural Information Processing Letters & Reviews， 2007， 11（10）：203-224.