混合PVN-ANN技术:铜现货价格预测新方法
138 浏览量
更新于2024-07-14
收藏 4.18MB PDF 举报
"利用复杂网络和人工神经网络技术对铜现货价格进行预测分析"
这篇研究文章探讨了如何结合复杂网络和人工神经网络(ANN)技术来预测铜价,特别是铜的现货价格。铜价在国际贸易市场上的波动性是显著的,这种波动直接影响到铜行业内的商品交易决策和企业的利润预期。为了提高预测的准确性,研究人员提出了一种创新的混合预测模型,即价格波动性网络(PVN)与人工神经网络(ANN)的结合,称为PVN-ANN技术。
首先,研究中将原始的铜价时间序列转化为价格波动性网络(PVN)。这种方法通过构建网络来表示价格的变化,其中节点代表价格变化的时刻,边则根据价格波动的幅度来建立,以此揭示价格变动的内在关系和模式。从PVN的拓扑结构中,可以提取出关于价格波动性的特征,这些特征可能包含有用的信息,用于预测未来的铜价走势。
接下来,研究使用了三种常见的ANN模型:反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和极端学习机(ELM)。这些神经网络模型被用来处理PVN中提取的特征,以预测铜价的未来趋势。BPNN以其自我调整的能力闻名,RBFNN以其快速收敛速度和良好的非线性拟合能力著称,而ELM则以其高效的学习过程而受到青睐。
在验证模型性能时,研究采用了来自纽约商品交易所(COMEX)的公开铜现货价格数据集。通过对历史数据的训练和测试,结果显示,PVN-ANN技术在预测铜价的水平和方向上都表现出了优于传统单一ANN模型的效果。这表明,通过整合复杂网络的拓扑信息,能够更好地捕捉和解释铜价的非线性动态模式,从而提高预测的准确性和可靠性。
这项研究强调了复杂网络和人工神经网络在大宗商品价格预测中的协同作用,特别是在处理非线性问题时的优势。这种混合方法不仅为铜价预测提供了新的视角,还可能对其他波动性较强的金融资产的预测分析提供借鉴。未来的研究可以进一步探索如何优化这种结合,以及如何将这种方法扩展到更广泛的金融市场预测中。
2011-02-13 上传
2023-06-05 上传
2021-09-25 上传
2022-07-11 上传
2022-07-14 上传
2021-09-27 上传
2021-09-19 上传
2021-09-25 上传
2020-05-26 上传
weixin_38608055
- 粉丝: 7
- 资源: 966
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手