期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于BPNN及优化方法的期货价格预测效果的比较
被引量：
3
1
作者
张登耀
《统计与决策》
CSSCI
北大核心
2024年第23期161-166,共6页
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...
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。
展开更多
关键词
期货价格预测
BPNN
PSO-BPNN
GA-BPNN
算法评价
在线阅读
下载PDF
职称材料
基于模糊技术的期货价格预测模型
2
作者
龙梅
吉余峰
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2007年第6期802-806,共5页
期货价格风险一直是期货市场风险控制研究的中心和重点.结合模糊控制理论,将其引入期货价格风险问题研究中.基于遗传算法和模糊IF-THEN规则,建立适合期货价格预测的模型.在实证分析基础上,利用ANFIS,对模型进行学习和测试.实验结果表明...
期货价格风险一直是期货市场风险控制研究的中心和重点.结合模糊控制理论,将其引入期货价格风险问题研究中.基于遗传算法和模糊IF-THEN规则,建立适合期货价格预测的模型.在实证分析基础上,利用ANFIS,对模型进行学习和测试.实验结果表明,该模型能较准确地预测我国铜期货价格的波动趋势.
展开更多
关键词
ANFIS
遗传算法
模糊IF—THEN规则
期货价格预测
在线阅读
下载PDF
职称材料
基于深度学习的玉米和大豆期货价格智能预测
被引量：
5
3
作者
许钰林
康孟珍
+3 位作者
王秀娟
华净
王浩宇
沈震
《智慧农业（中英文）》
2022年第4期156-163,共8页
玉米和大豆为同季旱粮作物,“争地”矛盾十分突出,同时掌握玉米和大豆两者的价格是必要的。相较于现货,农产品期货价格具有价格发现功能。因此,玉米和大豆期货价格分析和预测对种植结构调整和农户作物品种选择均具有重要意义。本研究首...
玉米和大豆为同季旱粮作物,“争地”矛盾十分突出,同时掌握玉米和大豆两者的价格是必要的。相较于现货,农产品期货价格具有价格发现功能。因此,玉米和大豆期货价格分析和预测对种植结构调整和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性,通过相关性计算和格兰杰因果检验,发现玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因;其次,基于长短时记忆(Long Short-Term Memory,LSTM)模型对玉米和大豆期货价格进行预测,并引入注意力机制(Attention)对期货价格预测模型行优化。对比结果表明,与差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA)和支持向量回归模型(Support Vector Regression,SVR)相比,LSTM模型在各项指标中均为更优,而与单一的LSTM模型相比,加入Attention机制的Attention-LSTM模型在各项指标中均更优。其中,玉米和大豆期货预测结果的平均绝对误差(Mean Absolute Error,MAE)分别提升3.8%和3.3%,均方根误差(Root Mean Square Error,RMSE)分别提升0.6%和1.8%,平均绝对百分误差(Mean Absolute Percentage Error,MAPE)分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息,提升性能。最后,使用LSTM模型结合大豆期货历史价格共同预测玉米期货价格,MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明,本研究使用Attention-LSTM模型对玉米和大豆期货价格进行预测,相较于通用预测模型,Attention-LSTM模型能够提高大豆和玉米期货价格预测精度,且结合相关农产品期货价格数据,可以提升单个农产品期货模型的预测性能。
展开更多
关键词
玉米和大豆
期货
期货价格预测
长短时记忆模型
Attention机制
深度学习
支持向量回归
在线阅读
下载PDF
职称材料
题名
基于BPNN及优化方法的期货价格预测效果的比较
被引量：
3
1
作者
张登耀
机构
河南省社会科学院统计与管理科学研究所
出处
《统计与决策》
CSSCI
北大核心
2024年第23期161-166,共6页
基金
国家自然科学基金资助项目(71273042)
教育部人文社会科学重点研究基地重大项目(13JJD790003)。
文摘
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
分类号
F832.5 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
基于模糊技术的期货价格预测模型
2
作者
龙梅
吉余峰
机构
东华大学旭日工商管理学院
出处
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2007年第6期802-806,共5页
文摘
期货价格风险一直是期货市场风险控制研究的中心和重点.结合模糊控制理论,将其引入期货价格风险问题研究中.基于遗传算法和模糊IF-THEN规则,建立适合期货价格预测的模型.在实证分析基础上,利用ANFIS,对模型进行学习和测试.实验结果表明,该模型能较准确地预测我国铜期货价格的波动趋势.
关键词
ANFIS
遗传算法
模糊IF—THEN规则
期货价格预测
Keywords
ANFIS
genetic algorithm
fuzzy IF-THEN rules
future price forecasting
分类号
F830.9 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
基于深度学习的玉米和大豆期货价格智能预测
被引量：
5
3
作者
许钰林
康孟珍
王秀娟
华净
王浩宇
沈震
机构
中国科学院自动化研究所复杂系统管理与控制国家重点实验室
中国科学院大学人工智能学院
北京智能化技术与系统工程技术研究中心
青岛中科慧农科技有限公司
出处
《智慧农业（中英文）》
2022年第4期156-163,共8页
基金
国家自然科学基金(62076239)。
文摘
玉米和大豆为同季旱粮作物,“争地”矛盾十分突出,同时掌握玉米和大豆两者的价格是必要的。相较于现货,农产品期货价格具有价格发现功能。因此,玉米和大豆期货价格分析和预测对种植结构调整和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性,通过相关性计算和格兰杰因果检验,发现玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因;其次,基于长短时记忆(Long Short-Term Memory,LSTM)模型对玉米和大豆期货价格进行预测,并引入注意力机制(Attention)对期货价格预测模型行优化。对比结果表明,与差分整合移动平均自回归模型(Autoregressive Integrated Moving Average Model,ARIMA)和支持向量回归模型(Support Vector Regression,SVR)相比,LSTM模型在各项指标中均为更优,而与单一的LSTM模型相比,加入Attention机制的Attention-LSTM模型在各项指标中均更优。其中,玉米和大豆期货预测结果的平均绝对误差(Mean Absolute Error,MAE)分别提升3.8%和3.3%,均方根误差(Root Mean Square Error,RMSE)分别提升0.6%和1.8%,平均绝对百分误差(Mean Absolute Percentage Error,MAPE)分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息,提升性能。最后,使用LSTM模型结合大豆期货历史价格共同预测玉米期货价格,MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明,本研究使用Attention-LSTM模型对玉米和大豆期货价格进行预测,相较于通用预测模型,Attention-LSTM模型能够提高大豆和玉米期货价格预测精度,且结合相关农产品期货价格数据,可以提升单个农产品期货模型的预测性能。
关键词
玉米和大豆
期货
期货价格预测
长短时记忆模型
Attention机制
深度学习
支持向量回归
Keywords
corn and soybean futures
futures price forecast
LSTM model
Attention
deep learning
support vector regression
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
F713.35 [经济管理—产业经济]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于BPNN及优化方法的期货价格预测效果的比较
张登耀
《统计与决策》
CSSCI
北大核心
2024
3
在线阅读
下载PDF
职称材料
2
基于模糊技术的期货价格预测模型
龙梅
吉余峰
《东华大学学报（自然科学版）》
CAS
CSCD
北大核心
2007
0
在线阅读
下载PDF
职称材料
3
基于深度学习的玉米和大豆期货价格智能预测
许钰林
康孟珍
王秀娟
华净
王浩宇
沈震
《智慧农业（中英文）》
2022
5
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
