论文部分内容阅读
投资者参与期货交易进行套期保值、投机或者套利。如果能够对期货价格波动做出及时准确的预测,可以有效降低交易风险,乃至获取超额收益。本文主要基于隐马尔科夫模型(Hidden Markov Model,HMM)相关的理论,研究商品期货价格预测、期货市场状态预测的相关问题。本文采用国内期货市场上交易相对比较活跃的螺纹钢期货品种作为实证研究对象,首先在具有高斯输出的隐马尔科夫模型(Gaussian Hidden Markov Model,GHMM)下,采用处理后的收盘价序列作为单个特征因子进行实证分析。随后放宽价格序列不相关的假设,采用马尔科夫状态转换自回归模型(Markov Switching Autoregressive Model,MS-AR)进一步做实证检验,最后采用具有高斯混合输出的隐马尔科夫模型(Gaussian Mixture-Hidden Markov Model,GM-HMM)进行数据模式匹配,并进行价格预测。本文首先介绍了 HMM模型的发展历程,然后介绍了与模型相关的理论基础,最后利用螺纹钢连续(RB888)数据进行实证分析。实证过程主要包括模型参数估计、解码和预测三个步骤。在GHMM和GM-HMM模型下,参数估计使用的是Baum-Welch算法,通过设定初始参数值并将训练样本数据传入模型,经过迭代估计得到最优参数估计结果。预测过程是利用已经学习得到的模型,对未来一段时间内期货价格、市场状态进行预测。在价格预测中,本文使用GHMM模型预测了未来价格的概率分布,使用GM-HMM模型基于"单日预测"和"加权预测"的方式,预测了未来价格的走势。状态预测即预测市场所处的状态以及市场状态是否会发生转变("牛转熊"或者"熊转牛")。在MS-AR模型下,模型的参数估计主要通过Hamilton滤波过程来实现。本文实证结果表明,GHMM,MS-AR和GM-HMM模型对于价格预测,都具有一定的精确度。本文研究内容和方法,对于投资者看清市场,及时获得市场走势预测,并进行相应交易具有一定的指导意义。