【摘 要】期貨市場(chǎng)作為金融市場(chǎng)的重要部分，對(duì)于我國(guó)國(guó)民經(jīng)濟(jì)的發(fā)展有著重要的影響。目前，對(duì)期貨預(yù)測(cè)的研究大都基于RBF神經(jīng)網(wǎng)絡(luò)模型和數(shù)據(jù)挖掘技術(shù)。本文將對(duì)基于RBF和數(shù)據(jù)挖掘的期貨預(yù)測(cè)研究進(jìn)行綜述，主要關(guān)注期貨市場(chǎng)的特點(diǎn)、用于期貨預(yù)測(cè)的數(shù)據(jù)挖掘技術(shù)中的主要算法、RBF神經(jīng)網(wǎng)絡(luò)的概述和目前研究結(jié)果的比較。

【關(guān)鍵詞】數(shù)據(jù)挖掘技術(shù)；RBF神經(jīng)網(wǎng)絡(luò)；期貨預(yù)測(cè)

0 引言

期貨市場(chǎng)傳遞的價(jià)格信息能比較準(zhǔn)確地反映未來(lái)供求狀況的預(yù)期情況及其變動(dòng)趨勢(shì)，是市場(chǎng)供求狀況的超前反應(yīng)，對(duì)現(xiàn)貨市場(chǎng)的波動(dòng)有著特有的前瞻性。因此，選擇有效的期貨預(yù)測(cè)方法來(lái)分析和預(yù)測(cè)期貨市場(chǎng)，對(duì)保障金融市場(chǎng)的穩(wěn)定和維護(hù)整個(gè)經(jīng)濟(jì)體系有著重要的作用。由于期貨價(jià)格的變化是一個(gè)非線性的時(shí)間序列，因此使用傳統(tǒng)的統(tǒng)計(jì)方法直接對(duì)期貨價(jià)格進(jìn)行分析和預(yù)測(cè)，其預(yù)測(cè)結(jié)果的偏差是比較大[1]?；谏窠?jīng)網(wǎng)絡(luò)的期貨預(yù)測(cè)研究是神經(jīng)網(wǎng)絡(luò)技術(shù)在金融領(lǐng)域應(yīng)用的一個(gè)非常重要的方面[2]，那是因?yàn)镽BF神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行數(shù)據(jù)處理以及非線性模擬能力[3]。但是，目前在采用RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行期貨預(yù)測(cè)的眾多文獻(xiàn)中[4-5]，大多的只是單純使用RBF神經(jīng)網(wǎng)絡(luò)對(duì)大量數(shù)據(jù)進(jìn)行學(xué)習(xí)、模擬。本文試圖通過(guò)目前對(duì)基于RBF和數(shù)據(jù)挖掘技術(shù)的期貨預(yù)測(cè)的研究現(xiàn)狀進(jìn)行梳理、比較，為期貨預(yù)測(cè)的研究起借鑒和啟示意義。

1 我國(guó)期貨市場(chǎng)現(xiàn)狀及發(fā)展

1.1 我國(guó)期貨市場(chǎng)的現(xiàn)狀

作為商品流通體制改革、價(jià)格市場(chǎng)化的重要產(chǎn)物及市場(chǎng)經(jīng)濟(jì)發(fā)展的一個(gè)重要標(biāo)致，我國(guó)期貨市場(chǎng)歷經(jīng)20多年的探索實(shí)踐，取得了令人矚目的成績(jī)，在相關(guān)產(chǎn)業(yè)及國(guó)民經(jīng)濟(jì)發(fā)展中開(kāi)始發(fā)揮越來(lái)越重要的作用，尤其是在服務(wù)國(guó)民經(jīng)濟(jì)、促進(jìn)現(xiàn)代農(nóng)業(yè)的發(fā)展、影響國(guó)際大宗商品價(jià)格等方面中正在成為國(guó)家宏觀調(diào)控的一個(gè)抓手。

1.2 我國(guó)期貨市場(chǎng)的發(fā)展趨勢(shì)

中國(guó)的期貨市場(chǎng)作為一種新生事物經(jīng)過(guò)十幾年的發(fā)展，從無(wú)到有，并且逐漸走向規(guī)劃化?；仡檹那?，我國(guó)期貨市場(chǎng)的發(fā)展可以說(shuō)是坎坷多難，道路曲折。審視現(xiàn)在，我國(guó)的期貨市場(chǎng)已進(jìn)入規(guī)范發(fā)展的時(shí)期，并且正不斷地走向成熟。展望未來(lái)，我國(guó)宏觀經(jīng)濟(jì)環(huán)境良好，長(zhǎng)期基礎(chǔ)制度建設(shè)積累了一定基礎(chǔ)，外部環(huán)境不斷改善，期貨市場(chǎng)風(fēng)險(xiǎn)控制能力逐漸加強(qiáng)，同時(shí)科學(xué)化管理水平穩(wěn)步提高，這些都為期貨市場(chǎng)的健康、快速發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。

2 數(shù)據(jù)挖掘簡(jiǎn)介及RBF神經(jīng)網(wǎng)絡(luò)算法概述

2.1 數(shù)據(jù)挖掘簡(jiǎn)介

近年來(lái)，隨著Internet、計(jì)算機(jī)技術(shù)、信息技術(shù)和數(shù)據(jù)庫(kù)技術(shù)的快速發(fā)展，計(jì)算機(jī)在各行各業(yè)中的使用也越來(lái)越廣泛。由此產(chǎn)生的數(shù)據(jù)，隨著時(shí)間的積累也越來(lái)越多。在這海量的數(shù)據(jù)中隱藏著許多重要的信息，但是目前的數(shù)據(jù)庫(kù)系統(tǒng)卻無(wú)法發(fā)現(xiàn)這些數(shù)據(jù)的內(nèi)在聯(lián)系，更無(wú)法根據(jù)現(xiàn)有的數(shù)據(jù)來(lái)預(yù)測(cè)其未來(lái)的發(fā)展趨勢(shì)。而數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的一個(gè)過(guò)程。

2.2 RBF神經(jīng)網(wǎng)絡(luò)概述

徑向基函數(shù)（RBF-Radial Basis Function）神經(jīng)網(wǎng)絡(luò)是在80年代末由J.Moody和C.Darken提出的一種神經(jīng)網(wǎng)絡(luò)模型，RBF網(wǎng)絡(luò)是由輸入層、隱含層和輸出層構(gòu)成的三層前向網(wǎng)絡(luò)[7-9]，其拓?fù)浣Y(jié)構(gòu)如圖1所示。神經(jīng)網(wǎng)絡(luò)信息的傳輸為：對(duì)于輸入層，只負(fù)責(zé)信息的傳輸。對(duì)于隱含層：每個(gè)神經(jīng)元將自己和輸入層神經(jīng)元相連的連接權(quán)值矢量 與輸入矢量之間的距離乘以本身的閾值作為自己的輸入。隱含層神經(jīng)元采用徑向基函數(shù)作為激勵(lì)函數(shù)，通常采用高斯函數(shù)作為徑向基函數(shù)。對(duì)于輸出層，它對(duì)輸入模式的作用做出響應(yīng)。由于輸入到輸出的映射是非線性的，而隱含層空間到輸出空間的映射是線性的，從而大大加快學(xué)習(xí)速度并避免局部極小問(wèn)題。

圖1 RBF神經(jīng)網(wǎng)絡(luò)結(jié)圖

隱含層和輸出層采用徑向基函數(shù)作為激勵(lì)函數(shù)，該徑向基函數(shù)的一般高斯函數(shù)表達(dá)式如下式：

由此可知，需要選擇合適的權(quán)值wi和神經(jīng)網(wǎng)絡(luò)中心ci即可實(shí)現(xiàn)非線性基函數(shù)的線性轉(zhuǎn)換，從而實(shí)現(xiàn)從現(xiàn)有數(shù)據(jù)到未來(lái)數(shù)據(jù)的預(yù)測(cè)。

3 RBF和數(shù)據(jù)挖掘技術(shù)在期貨市場(chǎng)中網(wǎng)絡(luò)模型的比較

3.1 基于主成分分析的RBF神經(jīng)網(wǎng)絡(luò)模型

RBF神經(jīng)網(wǎng)絡(luò)模型[11-12]使用基于主成分分析法對(duì)原始數(shù)據(jù)進(jìn)行降維，再用這些個(gè)數(shù)較少的新變量作為RBF神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行模擬預(yù)測(cè)。利用SPSS軟件，選擇前3個(gè)成分作為主成分；同樣利用SPSS軟件，得到其成分矩陣。然后，設(shè)計(jì)一個(gè)三層的神經(jīng)網(wǎng)絡(luò)，輸入層有3個(gè)神經(jīng)元，輸出層神經(jīng)元為1個(gè)。利用下式對(duì)輸入、輸出值進(jìn)行標(biāo)準(zhǔn)化，可使得輸入、輸出值均落在[-1，1]之間。

Xn=2*（x-minx）/（maxx-minx）-1

利用MATLAB的神經(jīng)網(wǎng)絡(luò)工具箱中用newrb函數(shù)設(shè)計(jì)這個(gè)徑向基函數(shù)網(wǎng)絡(luò)，用其做函數(shù)逼近時(shí)，可自動(dòng)增加隱含層神經(jīng)元，直到達(dá)到均方誤差為止。經(jīng)過(guò)試驗(yàn)，該網(wǎng)絡(luò)模型的預(yù)測(cè)誤差較小，見(jiàn)圖2。

圖2 兩種方法預(yù)測(cè)期貨后5日均價(jià)結(jié)果比較

由于主成分之間是相互獨(dú)立的，所以由各主成分組成的輸入空間不存在自相關(guān)性，從而有效地簡(jiǎn)化了RBF神經(jīng)網(wǎng)絡(luò)在高維時(shí)難以尋找網(wǎng)絡(luò)中心的問(wèn)題，提高了預(yù)測(cè)精度。不過(guò)徑向基網(wǎng)絡(luò)本身對(duì)擴(kuò)展速度的選擇沒(méi)有一個(gè)固定的標(biāo)準(zhǔn)，不同的值得到的結(jié)果又較大的偏差，這是該網(wǎng)絡(luò)模型的一個(gè)缺陷，值得深入地研究。

3.2 基于分段取中心值的RBF神經(jīng)網(wǎng)絡(luò)模型

由于RBF神經(jīng)網(wǎng)絡(luò)對(duì)近似線性時(shí)間序列數(shù)據(jù)預(yù)測(cè)誤差較大，我們提出了一種改進(jìn)的算法。該算法以分段取中心值算法為依據(jù)，使徑向基函數(shù)中心點(diǎn)值的確定更加合理，從而使近似線性時(shí)間序列數(shù)據(jù)預(yù)測(cè)的準(zhǔn)確度提高。

RBF網(wǎng)絡(luò)模型[13]的學(xué)習(xí)過(guò)程可分為兩步：RBF網(wǎng)絡(luò)徑向基函數(shù)的中心與寬度選擇，網(wǎng)絡(luò)輸出層和隱含層權(quán)值之間的確定。改進(jìn)的RBF網(wǎng)絡(luò)模型采用改進(jìn)的分段取中心值算法來(lái)確定RBF網(wǎng)絡(luò)徑向基函數(shù)的中心與寬度，同時(shí)利用最小二乘法來(lái)確定網(wǎng)絡(luò)輸出層和隱含層之間的權(quán)值。

最后確定RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值，再利用MATLAB進(jìn)行訓(xùn)練、計(jì)算。經(jīng)過(guò)述理論分析和期貨預(yù)測(cè)實(shí)驗(yàn)結(jié)果可以知道，提出的基于分段取中心值算法的 RBF 神經(jīng)網(wǎng)絡(luò)在時(shí)間序列變化較平緩且近似有規(guī)律的小幅度的上升或下降時(shí)具有較佳的擬合性能，同時(shí)也說(shuō)明了 RBF 神經(jīng)網(wǎng)絡(luò)在期貨預(yù)測(cè)上的準(zhǔn)確性和可行性，為短期期貨價(jià)格的走勢(shì)提供了參考。

4 結(jié)論與討論

上述研究表明，RBF和數(shù)據(jù)挖掘技術(shù)在期貨預(yù)測(cè)中的應(yīng)用比較廣泛。總結(jié)當(dāng)今神經(jīng)網(wǎng)絡(luò)的研究取得的成果，對(duì)幾種RBF網(wǎng)絡(luò)模型進(jìn)行梳理、比較和研究，可以知道RBF和數(shù)據(jù)挖掘技術(shù)對(duì)期貨交易的短暫的走向可以做出預(yù)測(cè)。同時(shí)，這幾種RBF神經(jīng)網(wǎng)絡(luò)算法還是存在很多的不足之處，需要更加深入地進(jìn)行研究，才能對(duì)期貨交易進(jìn)行更好地預(yù)測(cè)，使得期貨市場(chǎng)發(fā)展的更好，我國(guó)的金融市場(chǎng)更加穩(wěn)定。

【參考文獻(xiàn)】

[1]申畯，申榮華.改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)對(duì)期貨價(jià)格的預(yù)測(cè)分析[J].現(xiàn)代商貿(mào)工業(yè)，2008，11：183-184.

[2]蔣綜禮.人工神經(jīng)網(wǎng)絡(luò)導(dǎo)論[M].北京：高等教育出版社，2001.

[3]李學(xué)橋.神經(jīng)網(wǎng)絡(luò)工程應(yīng)用[M].重慶：重慶大學(xué)出版社，1995（24）.

[4]高博，王啟敢，張艷峰.權(quán)證定價(jià)中的神經(jīng)網(wǎng)絡(luò)方法[J].統(tǒng)計(jì)與決策，2010（14）.

[5]張秀艷，徐立本.基于神經(jīng)網(wǎng)絡(luò)集成系統(tǒng)的股市預(yù)測(cè)模型[J].系統(tǒng)工程理論踐，2003（9）.

[6]張屹山，方毅，黃琨.中國(guó)期貨市場(chǎng)功能及國(guó)際影響的實(shí)證研究[J].管理世界，2006，04：28-34.

[7]葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論語(yǔ)MATABLER2007實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2007-09.

[8]劉志杰，季令，葉玉玲，等.基于徑向基神經(jīng)網(wǎng)絡(luò)的集裝箱吞吐量組合預(yù)測(cè)[J].同濟(jì)大學(xué)學(xué)報(bào)：自然科學(xué)版，2007，35（6）.

[9]鄭丕諤，馬艷華.基于RBF神經(jīng)網(wǎng)絡(luò)的股市建模與預(yù)測(cè)[J].天津大學(xué)學(xué)報(bào)，2006，33（4）.

[10]劉書(shū)明，蘇濤，羅軍輝.Tiger SHARC應(yīng)用系統(tǒng)設(shè)計(jì)[M].西安：西安電子科技大學(xué)出版社，2004.

[11]劉興彬，萬(wàn)發(fā)祥.RBF神經(jīng)網(wǎng)絡(luò)主成分分析法在交通預(yù)測(cè)中的應(yīng)用[J].山西科教，2001（1）：54-56.

[12]飛思科技產(chǎn)品研發(fā)中心.神經(jīng)網(wǎng)絡(luò)理論與MATLAB實(shí)現(xiàn)[M].北京：電子工業(yè)出版社，2005.

[13]錢曉東，肖強(qiáng)，羅海燕.基于改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)的人民幣匯率預(yù)測(cè)研究[J].計(jì)算機(jī)工程與應(yīng)用，2010，40（10）.

[責(zé)任編輯：周娜]