论文部分内容阅读
铜作为一种重要的工业重金属,被广泛地应用于电气、轻工、机械制造、建筑工业等领域,在国民经济的发展中有着重要的地位。但是,铜的价格波动十分频繁,给铜的生产和销售环节带来了巨大的风险,对我国经济的平稳运行产生了巨大的冲击。同时,本文不仅将Markov状态转换模型运用到价格预测过程中,并且将数据挖掘算法和Markov状态转模型相结合,提出了一种新的分析思路,因此,本文利用Markov状态转换模型结合数据挖掘算法对上海期货铜的价格指数进行预测具有十分重要的现实和理论意义。本文利用Markov状态转换模型结合传统的向前预测法和新兴的数据挖掘算法,对2001年1月1日至2015年10月21日共3588个交易数据进行分析和预测。首先利用Markov状态转换模型对150个交易日的上海期货铜指数对数收益率进行分析,将150个交易日的上海期货铜指数对数收益率分为两种状态,再结合两种状态的数据对下一交易日的上海期货铜指数对数收益率进行预测和估计。在预测和估计过程中,本文分别采取了在Markov状态转换模型的分析过程中学者经常采取的向前预测法,以及新兴的数据挖掘算法中的线性回归、支持向量机回归、决策树回归、bagging回归、boosting回归的方法分别对上海期货铜指数的对数收益率进行预测和估计。研究结果表明,利用Markov状态转换模型能够很好地预测期货铜指数的价格波动。其中,利用基于向前预测法的Markov状态转换模型进行投资,每年的平均收益为7.06%,并且每年的平均交易次数也未超过5次;基于数据挖掘算法的Markov状态转换模型的表现比传统的基于向前预测法的Markov状态转换模型表现更为优异,在收益率的均值和方差、对涨跌方向预测准确率等指标上均优于传统模型,基于数据挖掘方法(boosting回归)的Markov状态转换模型在年平均收益率这项指标上,表现最优,年收益率高达19.63%,收益率显著优于其他模型;基于数据挖掘方法(支持向量机回归)的Markov状态转换模型在收益率方差这项指标上,表现最优,收益率方差仅为2.22%,同时,基于数据挖掘方法的Markov状态转换模型能够在一定程度上改善向前预测法的Markov状态转换模型对于震荡行情分析能力不足的问题。这说明,通过进一步结合数据挖掘算法,我们能够进一步提高Markov状态转换模型在书剑序列分析过程中的分析预测能力,提高模型的实用性和解释能力,进一步发展和完善Markov状态转换模型。