基于深度学习长短期记忆神经网络的有色金属期货市场预测研究

沈 虹,李 旭,潘 琪

(扬州大学 商学院,江苏 扬州 225127)

作为有色金属的生产和消费大国,中国有色金属行业在全球定价权方面的影响力有了显著提升,“上海规则”和“上海价格”在行业内获得了充分认可。同时,中国经济的持续增长,为中国金属期货的发展提供了有力保证。近年来,期货市场交易持续活跃,规模稳步扩大,市场功能及其辐射影响力显著增强。然而,期货市场暴涨暴跌现象仍时有发生。不论“国储铜”事件还是“原油宝”事件,都使市场及投资者遭受到严重损害,因此研究期货市场的价格波动以及风险防范迫在眉睫。

信息技术快速发展的过程中,爆发式增长的金融数据是进行全球金融监管的重要资源。收集金融数据,结合人工智能、统计分析、数据挖掘等手段及算法判断和识别金融变量的变化趋势是当今量化投资金融领域的研究热点之一。

作为人工智能技术的代表,通过机器学习挖掘变量之间的非线性关系可以有效提高金融预测的效果。Dhar等[1]利用经典多层感知器(Multi-layer perceptron,MLP)模型预测印度证券交易所股指收盘价。Dunis等[2]对乙醇的压榨价差套利策略采用MLP神经网络、高阶神经网络(Higher order neural network,HONN)和遗传规划算法(Genetic programming algorithm,GPA)进行了对比研究。Gu等[3]将机器学习算法应用到美国市场上,实验表明机器学习比传统线性回归模型更加有效。李斌等[4]通过对机器学习的系统性运用,发现机器学习算法能有效识别异象因子,从而提升基本面量化投资中的股票收益预测效果。……