基于BPNN及优化方法的期货价格预测效果的比较.pdfVIP

DOI:10.13546/ki.tjyjc.2024.23.028

财经纵横

基于BPNN及优化方法的期货价格预测效果的比较

张登耀

（河南省社会科学院统计与管理科学研究所，郑州451464）

摘要：文章构建了期货价格预测算法并对期货价格进行预测，同时，运用三种评价指标对算法的预测效

果进行对比分析。通过对比各评价指标值的算法预测结果，可以发现：无论是PSO-BPNN算法，还是GA-BPNN

算法，预测效果都明显优于优化前的BPNN算法的预测效果。然而，PSO-BPNN算法与GA-BPNN算法之间的

预测效果差异却不明显。从三种评价指标值可以看出，GA-BPNN算法的MSE值略低于PSO-BPNN算法的MSE

值，而在MAD和MAPE方面，PSO-BPNN算法的预测效果又略优于GA-BPNN算法。为了确定最优的期货价格

预测算法，分别将沪深300指数现货全样本数据和新冠疫情期间沪深300指数期货及现货样本数据作为替代变

量，进行了稳健性检验分析。分析结果显示：无论是PSO-BPNN算法还是GA-BPNN算法，其预测效果均明显优

于优化前的BPNN算法的预测效果。同时，在构建的三种算法中，GA-BPNN算法的预测效果是最优的。

关键词：期货价格预测；BPNN；PSO-BPNN；GA-BPNN；算法评价

中图分类号：F832.5文献标识码：A文章编号：1002-6487（2024）23-0161-06

进行比较分析，增强了研究的说服力。

0引言

1算法构建

通过价格走势对市场资源进行合理配置是经济发展

的重要手段[1]。期货，作为一种金融衍生品工具和一种重1.1反向传播神经网络（BPNN）算法

要的投资方式，研判期货市场价格走势有助于交易人、投BPNN是一种多层前馈神经网络，其特点是信号前向

资者及相关部门进行市场预判。更好地发挥期货市场价传递，误差反向传播。在前向传播中，首先将技术指标经

格发现功能，对于稳定资本市场和实现金融市场稳健发展由输入层输入到BPNN，然后经由一层或一层以上的隐藏

具有重要作用[2]。因此，探究期货市场波动下的价格预测层进行信息强化与传递，最后通过输出层输出期望值。若

方法，具有重要的理论和现实意义。输出层得不到期望输出，则进入反向传播阶段，根据误差

同时，通过对相关价格预测的国内外文献进行梳理，函数的值调整网络的权值和阈值，直到误差函数值收敛至

可以发现：在金融衍生品价格预测领域，尤其是期货价格预设的条件为止。BPNN的期货价格预测过程包括以下

预测领域的文献较少[3,4]；价格预测方法上，线性价格预测几个步骤：

方法较为常见[5—7]，而非线性方法，尤其是智能算法进行预（1）选定训练样本，将其转化成输入向量作为算法的

测的文献较少[8,9]；利用单一方法进行价格预测的文献较输入。根据系统输入输出序列(XY)确定网络输入层节

多[10—12]，而运用多种方法进行预测并比较其研究预测效果点数，隐含层节点数，输出层节点数，初始化输入

nlm

的文献很少[13]。鉴于此，本文构建期货价格预测的反向传层、隐含层和输出层神经元之间的连接权值、，初始

uu