[发明专利]一种基于EDM算法和BP神经网络的股票指数期货价格预测方法

说明书

本发明公开了一种基于EDM算法和BP神经网络的股票指数期货价格预测方法，包括数据输入模块、数据预处理模块以及数据预测模块，所述数据输入模块用于输入钱股票指数期货价格，所述数据预处理模块用于对所述数据输入模块输入的数据进行信号转化以及分解处理，所述数据预测模块用于对股指期货每日收盘价进行预测。本发明通过EDM算法中运用物理学理论方法，将复杂的信号进行平稳化处理，其结果是将初始的复杂信号中不同尺度的波动或趋势逐级分解成一系列有限个具有不同特征尺度的序列，每一个序列即为一个本征模函数分量，且每一个本征模函数分量所包含的频率成分不仅与分析频率有关而且最重要的是随信号自身的变化而变化，从而达到预测效果。

技术领域

本发明涉及股票指数期货价格预测方法技术领域，特别涉及一种基于EDM算法和BP神经网络的股票指数期货价格预测方法。

背景技术

股票指数期货简称股指期货，作为一种金融衍生投资工具，它是以股票巿场的价格指数作为交易标的的一种金融期货产品，交易双方根据事先约定好的价格同意在将来某一时间进行交割。买卖双方交易的不是一只或几只股票现货，也不是抽象的股票指数，而是代表一定价值的股票指数期货合约。

股票指数期货是随着现代资本市场的发展而产生的，早在20世纪70年代，西方发达资本主义国家受全球石油危机的影响，它们国内的经济发展十分不稳定，通货膨胀率高居不下，市场利率波动剧烈，股票价格大幅波动。股票现货市场上的投资者迫切需要巿场上有一种能够有效规避风险、实现金融资产保值的金融投资工具。

BP(Back Propagation)神经网络模型是目前应用最为广泛和取得成果最为突出的神经网络之一。它是由Rumelhart，Geoffrey Hinton和McCelland在20世纪80年代分别独立提出的。BP神经网络是一种并行的、复杂的、非线性的、动力学系统，它可以表示极其复杂的非线性模型系统。

投资者时刻在关心并试图准确的判断出期货合约的价格走势。然而由于其内在规律非常复杂，从而使得其价格走势变幻莫测，难以把握。虽然在这种情况下，BP神经网络依据其自组织性、自适应性、自学习能力等特征，对受多因素影响的、不确定的、非线性的股指期货价格序列进行预测，为股指期货市场上的投资者提供一定的参考，但是市场上又没有好的运算方法与BP神经网络进行结合对股票指数期货价格进行预测。

发明内容

为了解决上述问题，本发明提供一种基于EDM算法和BP神经网络的股票指数期货价格预测方法。

本发明中的一种BP神经网络的股票指数期货价格预测方法，包括数据输入模块、数据预处理模块以及数据预测模块，所述数据输入模块用于输入钱股票指数期货价格，所述数据预处理模块用于对所述数据输入模块输入的数据进行信号转化以及分解处理，所述数据预测模块用于对股指期货每日收盘价进行预测，所述数据输入模块输入钱股票指数期货价格，再发送给所述数据预处理模块，最后通过所述数据预测模块对股指期货每日收盘价进行预测。

上述方法中，所述数据预测模块主要包括BP神经网络模型构建模块和价格预测模块。

上述方法中，所述BP神经网络模型构建模块内部的预测模型选择为单一隐含层和单一输出层；输入层神经元节点数目为8；隐含层神经元节点数目为19；输出层神经元节点数目为1；隐含层的传递函数为tansig；输出层的传递函数为logsig；网络的学习函数为learngdm；网络的误差函数为mse。

上述方法中，所述价格预测模块是利用已建立起的优化BP神经网络预测模型，对股指期货每日收盘价进行预测。