基于小波去噪和神经网络的期货预测模型

摘要：

基于股指期货数据量大,数据噪声较多等多个特点,采用小波去噪的方法首先对选取的数据进行清洗,再利用神经网络进行训练预测,发现这样相结合的方法可以有效减少神经网络模型的误差.选取2012年7月24日至2018年10月12日共1528个交易日的最低价、最高价、开盘价和收盘价的沪深300股指期货数据作为神经网络模型的学习分析对象,通过不断地修改参数,调试从而减小误差,再对未来走势进行预测.结果发现BP神经网络模型与Elman神经网络模型比较, BP神经网络模型对于股指期货数据的分析预测更具有优越性,最终的预测结果与实际相比准确率能够达到98.9%.因此结合小波去噪的BP神经网络模型能够明显地减小了误差,提高了预测的精确度.

关键词：小波去噪、沪深300期货、BP神经网络、预测

所属期刊栏目：42

分类号：O211.61;TP18(概率论与数理统计)

资助基金：国家自然科学基金11601039;吉林省自然科学基金20140101199JC;数学省级实验教学示范中心项目2017006

在线出版日期：2019-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：129-132,142