基于SVR的石油期货价格短期预测

基于SVR的石油期货价格短期预测

ID:40918172

大小:277.47 KB

页数:5页

时间:2019-08-10

基于SVR的石油期货价格短期预测_第1页
基于SVR的石油期货价格短期预测_第2页
基于SVR的石油期货价格短期预测_第3页
基于SVR的石油期货价格短期预测_第4页
基于SVR的石油期货价格短期预测_第5页
资源描述:

《基于SVR的石油期货价格短期预测》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第10卷第18期2010年6月科学技术与工程Vo1.10No.18June20101671—1815(2010)18—4585—05ScienceTechnologyandEngineering⑥2010Sci.Tech.Engng.管理科学基于SVR的石油期货价格短期预测慕晓茜何佳倪旭敏段雨墨陆昊张作泉(北京交通大学理学院,北京100044)摘要将SVR原理引入到石油期货价格的时间序列中,并以美原油价格进行了实证分析。结果表明:该方法能充分反映石油期货价格序列走势,对短期价格的预测具有较高的精度;并且还发现,超级参数的选择服从一定规律,即其乘积在一定范围内效果较佳。之后,还将此理

2、论推广到多维影响因素和其他金融时间序列的预测中。关键词支持向量机回归石油期货价格时间序列预测拐点预测中图法分类号17830.91;文献标志码A石油是人类赖以生存和各国经济发展所必须有很大的相关性。此外,文中的方法还将为多维输的资源,世界上恐怕没有任何一种商品可以像石油入变量以及其他领域的预测提供了借鉴。一样对世界经济、政治乃至国家安全产生如此深刻和广泛的影响。正是由于石油对世界的重要性,加1SVR预测模型之其天然的稀缺性和不可再生性,石油问题成为了国际社会上永久的话题,石油价格的走势已成为世Vapnik等人根据统计学原理提出了支持向量界各国关注的焦点¨。然而,由于影响石油价格分类机

3、(SVM)的学习方法。SVM的基本思想主和期货价格的众多因素的相互结合,使得石油期货要有两点:(1)先对线性可分情况进行分析,对于线性不可分的情况,可通过核函数的方法,将低维的价格的波动趋势尤为复杂,也使得石油期货价格预原始空间映射到高维的特征空间,巧妙地避开了高测变得十分困难,而支持向量机方法的出现为石油维空间的复杂运算,使算法的实现成为可能;(2)基期货价格的预测提供了一种新的可能。于结构风险最小化理论在特征空间中寻找最佳分支持向量机回归(SVR)是数据挖掘中的一个类面,使得学习器得到全局最优化。在Vapnik引新方法,能非常成功地处理回归问题(时间序列分入s不敏损失函数后,S

4、VM推广到解决非线性回归析)和模式识别(分类问题、判别分析)等诸多问问题,称为支持向量机回归J。题5J,并可推广于预测和综合评价等领域。本文采用SVR的原理进行预测分析即:当所给现将SVR引入石油期货价格这个金融时间序数据集是线性可分时,回归问题可转化为求解如下列,对其整体趋势以及短期走势做了精确的预测;约束条件的优化问题:在超级参数的选择上,本文通过收集大量数据进行11统计分析,发现核函数参数g以及惩罚因子C之间mi’ll=÷09+c∑2(考+十考)l=l,Y一l+bJ≤+2010年4月8日收到大学生创新性实验计划项目资助s.1.2[W+b]一Y≤8+第一作者简介:慕晓茜(198

5、9一)女,信息与计算科学。E—mail:I07271046@bjtu.edu.(3/1。,I>0,=l,2,⋯,z通信作者简介:张作泉(1964一),男,副教授,博士,研究方向:计由对偶规划理论,上述凸二次规划问题可以转算数学金融数学。E—mail:zqzhang@bjtu.edu.ca。化为求解下述新问题:4586科学技术与工程l0卷格、汇率变动因素以及由股市反映的世界经济状况maxw(a,):一÷∑(一n。)()(—)一等]。在这诸多因素中,石油期货的历史价格反映了以往各影响因素的变化对石油价格的影响。对占∑(a+Ol)+∑Yi(一)于未来10天或一周内的石油期货价格而言,汇率

6、变f∑(a一):0动、世界经济情况等因素在通常情况下不会产生特S.t.‘1【0≤O1别巨大的变动。所以,石油期货的历史价格无疑是i~0[.i+≤c,i:1,⋯,z.对石油期货现在价格影响最大的一个因素。因此,由此得到支持向量回归的估计函数为:我们首先选取美原油期货的历史价格作为一维输厂()=∑(—Ol)()+b。人变量,并对此种石油期货的价格进行预测,以验证SVR理论的正确性。而对于非线性回归问题,通过引入核函数2.2核函数的选择K(,)=()(),将(·)用(,)代替,得到最终的支持向量回归估计函数为:在SVR的应用中,常见的核函数有线性核,多项式核,RBF核,Sigmoid核以

7、及多二次曲面核,()=∑(一OL)K(,xj)+b。等。但是在实践中多使用RBF核。因为它可以下面给出SVR用于金融时间序列预测的一般将输入空间以非线性方式映射到特征空间,便于处步骤:理现实中以非线性方式存在的问题,且更少遇到数(1)选取合适的训练集T:{(X,Y),⋯,(,值计算困难。金融时间序列中的实验表明,RBF预Yf)}∈(X×Y),其中i∈X=R,YEY=R,测性能更好并且运行时间更短【4】。由于石油期货价i=1,2,⋯,I;格序列呈现非线性且高噪声的特征,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。