基于隱馬爾科夫模型、馬爾科夫狀態(tài)轉(zhuǎn)換模型的商品期貨價(jià)格預(yù)測研究與實(shí)證分析.pdf

1、投資者參與期貨交易進(jìn)行套期保值、投機(jī)或者套利。如果能夠?qū)ζ谪泝r(jià)格波動(dòng)做出及時(shí)準(zhǔn)確的預(yù)測，可以有效降低交易風(fēng)險(xiǎn)，乃至獲取超額收益。本文主要基于隱馬爾科夫模型(Hidden Markov Model，HMM)相關(guān)的理論，研究商品期貨價(jià)格預(yù)測、期貨市場狀態(tài)預(yù)測的相關(guān)問題。本文采用國內(nèi)期貨市場上交易相對比較活躍的螺紋鋼期貨品種作為實(shí)證研究對象，首先在具有高斯輸出的隱馬爾科夫模型(Gaussian Hidden Markov Model，GHMM

2、)下，采用處理后的收盤價(jià)序列作為單個(gè)特征因子進(jìn)行實(shí)證分析。隨后放寬價(jià)格序列不相關(guān)的假設(shè)，采用馬爾科夫狀態(tài)轉(zhuǎn)換自回歸模型(Markov Switching AutoregressiveModel，MS-AR)進(jìn)一步做實(shí)證檢驗(yàn)，最后采用具有高斯混合輸出的隱馬爾科夫模型(Gaussian Mixture-Hidden Markov Model，GM-HMM)進(jìn)行數(shù)據(jù)模式匹配，并進(jìn)行價(jià)格預(yù)測。
　　本文首先介紹了HMM模型的發(fā)展歷程，然后

3、介紹了與模型相關(guān)的理論基礎(chǔ)，最后利用螺紋鋼連續(xù)(RB888)數(shù)據(jù)進(jìn)行實(shí)證分析。實(shí)證過程主要包括模型參數(shù)估計(jì)、解碼和預(yù)測三個(gè)步驟。在GHMM和GM-HMM模型下，參數(shù)估計(jì)使用的是Baum-Welch算法，通過設(shè)定初始參數(shù)值并將訓(xùn)練樣本數(shù)據(jù)傳入模型，經(jīng)過迭代估計(jì)得到最優(yōu)參數(shù)估計(jì)結(jié)果。預(yù)測過程是利用已經(jīng)學(xué)習(xí)得到的模型，對未來一段時(shí)間內(nèi)期貨價(jià)格、市場狀態(tài)進(jìn)行預(yù)測。在價(jià)格預(yù)測中，本文使用GHMM模型預(yù)測了未來價(jià)格的概率分布，使用GM-HMM模型基