基于Markov狀態(tài)轉換模型的上海期貨銅指數(shù)的預測分析.pdf_第1頁
已閱讀1頁,還剩59頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、銅作為一種重要的工業(yè)重金屬,被廣泛地應用于電氣、輕工、機械制造、建筑工業(yè)等領域,在國民經濟的發(fā)展中有著重要的地位。但是,銅的價格波動十分頻繁,給銅的生產和銷售環(huán)節(jié)帶來了巨大的風險,對我國經濟的平穩(wěn)運行產生了巨大的沖擊。同時,本文不僅將Markov狀態(tài)轉換模型運用到價格預測過程中,并且將數(shù)據(jù)挖掘算法和Markov狀態(tài)轉模型相結合,提出了一種新的分析思路,因此,本文利用Markov狀態(tài)轉換模型結合數(shù)據(jù)挖掘算法對上海期貨銅的價格指數(shù)進行預測具

2、有十分重要的現(xiàn)實和理論意義。
  本文利用Markov狀態(tài)轉換模型結合傳統(tǒng)的向前預測法和新興的數(shù)據(jù)挖掘算法,對2001年1月1日至2015年10月21日共3588個交易數(shù)據(jù)進行分析和預測。首先利用Markov狀態(tài)轉換模型對150個交易日的上海期貨銅指數(shù)對數(shù)收益率進行分析,將150個交易日的上海期貨銅指數(shù)對數(shù)收益率分為兩種狀態(tài),再結合兩種狀態(tài)的數(shù)據(jù)對下一交易日的上海期貨銅指數(shù)對數(shù)收益率進行預測和估計。在預測和估計過程中,本文分別采取

3、了在Markov狀態(tài)轉換模型的分析過程中學者經常采取的向前預測法,以及新興的數(shù)據(jù)挖掘算法中的線性回歸、支持向量機回歸、決策樹回歸、bagging回歸、boosting回歸的方法分別對上海期貨銅指數(shù)的對數(shù)收益率進行預測和估計。
  研究結果表明,利用Markov狀態(tài)轉換模型能夠很好地預測期貨銅指數(shù)的價格波動。其中,利用基于向前預測法的Markov狀態(tài)轉換模型進行投資,每年的平均收益為7.06%,并且每年的平均交易次數(shù)也未超過5次;基

4、于數(shù)據(jù)挖掘算法的Markov狀態(tài)轉換模型的表現(xiàn)比傳統(tǒng)的基于向前預測法的Markov狀態(tài)轉換模型表現(xiàn)更為優(yōu)異,在收益率的均值和方差、對漲跌方向預測準確率等指標上均優(yōu)于傳統(tǒng)模型,基于數(shù)據(jù)挖掘方法(boosting回歸)的Markov狀態(tài)轉換模型在年平均收益率這項指標上,表現(xiàn)最優(yōu),年收益率高達19.63%,收益率顯著優(yōu)于其他模型;基于數(shù)據(jù)挖掘方法(支持向量機回歸)的Markov狀態(tài)轉換模型在收益率方差這項指標上,表現(xiàn)最優(yōu),收益率方差僅為2.2

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論