沪铜期贷价格预测模型的构建与预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外相关研究动态 | 第11-13页 |
| 1.2.1 期货市场方面的研究动态 | 第11-12页 |
| 1.2.2 期货价格预测模型研究动态 | 第12-13页 |
| 1.2.3 组合预测模型研究进展 | 第13页 |
| 1.3 研究思路和方法 | 第13-14页 |
| 1.4 研究的主要内容 | 第14-15页 |
| 2 模型的相关理论基础 | 第15-27页 |
| 2.1 时间序列的预处理 | 第15-17页 |
| 2.1.1 平稳性检验 | 第15-16页 |
| 2.1.2 白噪声检验 | 第16-17页 |
| 2.2 非平稳时间序列 | 第17-21页 |
| 2.2.1 ARIMA模型 | 第17-18页 |
| 2.2.2 条件异方差模型 | 第18-21页 |
| 2.3 BP神经网络的相关理论 | 第21-27页 |
| 2.3.1 基本原理 | 第21页 |
| 2.3.2 BP算法描述 | 第21-26页 |
| 2.3.3 核心算法流程图 | 第26-27页 |
| 3 单一模型的沪铜期货价格预测 | 第27-50页 |
| 3.1 ARIMA模型实证 | 第27-36页 |
| 3.1.1 ARIMA模型的建模步骤 | 第27-28页 |
| 3.1.2 模型的优化选择 | 第28-30页 |
| 3.1.3 ARIMA模型的构建与预测 | 第30-36页 |
| 3.2 GARCH模型实证 | 第36-44页 |
| 3.2.1 ARCH检验 | 第36-38页 |
| 3.2.2 GARCH模型的定阶与检验 | 第38页 |
| 3.2.3 GARCH模型的构建与预测 | 第38-44页 |
| 3.3 BP神经网络模型实证 | 第44-50页 |
| 3.3.1 BP神经网络的建模流程 | 第44页 |
| 3.3.2 BP神经网络的构建 | 第44-45页 |
| 3.3.3 BP神经网络训练 | 第45-47页 |
| 3.3.4 BP神经网络预测 | 第47-50页 |
| 4 模型优化后的沪铜期货价格预测 | 第50-56页 |
| 4.1 组合预测模型的原理 | 第50-51页 |
| 4.1.1 组合预测的概述 | 第50页 |
| 4.1.2 组合方式的分类 | 第50-51页 |
| 4.2 最优线性组合预测模型 | 第51-54页 |
| 4.2.1 建模原理 | 第51-52页 |
| 4.2.2 最优线性组合预测模型的构建 | 第52-54页 |
| 4.3 基于BP神经网络的组合预测模型 | 第54-56页 |
| 5 总结与展望 | 第56-59页 |
| 5.1 模型的适用性检验 | 第56-57页 |
| 5.2 总结 | 第57-58页 |
| 5.3 展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考 文献 | 第60-63页 |
| 附录A 沪铜期货主连合约收盘价原始数据 | 第63-66页 |
| 攻读学位期间的研究成果 | 第66页 |
