(北京物資學院 北京 101149)

一、引言

步入21世紀后，我國進入快速發(fā)展期，螺紋鋼的產(chǎn)量不斷增長。因受到國際螺紋鋼價格波動影響，我國螺紋鋼的價格大起大落，鋼鐵生產(chǎn)企業(yè)以及貿(mào)易商需要期貨市場規(guī)避風險。2009年3月27日，螺紋鋼期貨于上交所上市交易。近幾年來，螺紋鋼期貨的價格波動更加劇烈，通過模型對螺紋鋼期貨的價格進行預(yù)測，可以客觀地為套期保值者提供價格參考，也可以客觀地為投資者提供預(yù)警，使投資者合理控制風險。

對于期貨價格預(yù)測主要存在兩種預(yù)測方法。一種預(yù)測方法是基于線性回歸的時間序列模型預(yù)測法，費婧文(2017)通過ARIMA模型預(yù)測了黃金期貨的價格，通過研究發(fā)現(xiàn)該模型能預(yù)測出短期內(nèi)黃金期貨價格的走勢。另一種預(yù)測方法是基于非線性回歸的神經(jīng)網(wǎng)絡(luò)的預(yù)測法，王珂(2018)通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型和小波網(wǎng)絡(luò)模型對螺紋鋼期貨價格進行對比預(yù)測研究，通過研究發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測效果更優(yōu)，整體上預(yù)測值和真實值的擬合效果較好。

因為金融時間序列數(shù)據(jù)存在非平穩(wěn)、非線性以及高噪聲等特點，所以時間序列預(yù)測方法雖能預(yù)測出短期的期貨價格走勢，但預(yù)測的效果和神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比存在差距。然而BP神經(jīng)網(wǎng)絡(luò)也不能很好地解決時間序列預(yù)測的問題，并且存在算法易陷入局部最優(yōu)、網(wǎng)絡(luò)結(jié)構(gòu)的選擇缺乏統(tǒng)一的標準、輸入數(shù)據(jù)的數(shù)量不易確定等問題。LSTM模型是最新的神經(jīng)網(wǎng)絡(luò)模型之一，本身具有時序特性和選擇記憶性，這兩個特性十分適用于期貨價格預(yù)測。因此本文基于LSTM模型對螺紋鋼期貨價格進行預(yù)測。

二、實證分析

(一)指標構(gòu)建及數(shù)據(jù)選取

影響螺紋鋼期貨價格的宏觀數(shù)據(jù)如PMI、CPI等數(shù)據(jù)更新周期較長，預(yù)測的實效性不好，因此本文從微觀角度構(gòu)建螺紋鋼期貨收盤價預(yù)測指標，選取指標為螺紋鋼期貨交易數(shù)據(jù)的開盤價、最高價、最低價、成交量和持倉量五個要素。

不同期貨合約的成交量和持倉量不同，螺紋鋼期貨1月、5月和10月的成交量和持倉量最大，其余月份的期貨合約并不活躍，因此本文選取成交量和持倉量最大的主力連續(xù)合約為研究對象。由于螺紋鋼期貨在2009年3月27日上市，上市初期期貨市場的運行并不平穩(wěn)，為了降低噪聲，剔除2009年交易的數(shù)據(jù)，數(shù)據(jù)選取時間段為2010年1月4日至2019年6月6日，數(shù)據(jù)來自東方財富數(shù)據(jù)庫。選取75%總體數(shù)據(jù)數(shù)據(jù)作為訓練集，訓練集的起始時間為2010年1月4日至2017年1月13日，選取25%總體數(shù)據(jù)作為預(yù)測集，預(yù)測集的起始時間為2017年1月14日至2019年6月6日。

(二)數(shù)據(jù)的處理及預(yù)測方法

本文所構(gòu)建的螺紋鋼期貨收盤價預(yù)測指標中不同指標間數(shù)值差別很大，若不進行數(shù)據(jù)處理，則數(shù)值大的指標會影響所構(gòu)建的神經(jīng)網(wǎng)絡(luò)的預(yù)測準確性。因此需將所獲取的指標數(shù)據(jù)進行標準化處理，標準化處理的公式為

其中，x*表示預(yù)測指標標準化處理后的數(shù)據(jù)，x表示每一個預(yù)測指標的原始數(shù)據(jù)，μ為每一個預(yù)測指標的數(shù)據(jù)平均值，σ為每一個預(yù)測指標的數(shù)據(jù)方差。

隨著預(yù)測指標數(shù)據(jù)滯后期的延長，對于螺紋鋼期貨收盤價的影響效果越來越弱，甚至會影響預(yù)測效果。因此本文選取前10天交易日的預(yù)測指標數(shù)據(jù)對第11天螺紋鋼期貨的收盤價進行預(yù)測，將預(yù)測指標數(shù)據(jù)按照每10天劃分為一塊，對10天的數(shù)據(jù)進行訓練，然后預(yù)測出第11天的數(shù)據(jù)，經(jīng)過訓練到合適的次數(shù)得到最優(yōu)訓練模型，將預(yù)測集帶入訓練好的模型進行預(yù)測，將預(yù)測值與原始數(shù)據(jù)進行對比，衡量預(yù)測的準確率。

(三)模型構(gòu)建與結(jié)果分析

模型的輸入為5個預(yù)測指標，輸出為螺紋鋼期貨的預(yù)測值。經(jīng)過將LSTM模型參數(shù)不斷調(diào)整，螺紋鋼期貨價格的預(yù)測值達到了較為理想的狀態(tài)。參數(shù)的設(shè)置如下：本文搭建了兩層LSTM模型，隱藏神經(jīng)元個數(shù)設(shè)置為10個，學習率設(shè)置為0.0006，迭代次數(shù)為200次。訓練過程中如果參與訓練的神經(jīng)元過多，訓練集中的預(yù)測值與真實值擬合效果過好，但預(yù)測效果并不好，為了防止出現(xiàn)這樣的現(xiàn)象，本文構(gòu)建的LSTM模型引入了dropout結(jié)構(gòu)，并將dropout的參數(shù)設(shè)置為0.5。

本文采用平均絕對百分誤差(MAPE)對螺紋鋼期貨的預(yù)測效果進行評估，公式為

y1為預(yù)測值，y2為真實值，n為預(yù)測集中樣本的個數(shù)，此方法在進行評估時考慮預(yù)測值與真實值誤差的同時，還將誤差占真實值的百分比考慮在內(nèi)。MAPE的數(shù)值越小表示預(yù)測的精度越高。

螺紋鋼期貨收盤價預(yù)測值和真實值的擬合結(jié)果如圖1所示，部分螺紋鋼期貨收盤價預(yù)測結(jié)果如表1所示。

圖1 螺紋鋼期貨收盤價預(yù)測結(jié)果

通過圖形的擬合效果可知，雖然存在個別螺紋鋼期貨價格預(yù)測結(jié)果和真實值相比差別較大，但整體看預(yù)測值和真實值的擬合效果較好，在一定的范圍內(nèi)模型的預(yù)測值準確率較高，且MAPE值僅為0.828%。

表1 部分螺紋鋼期貨收盤價預(yù)測結(jié)果

三、結(jié)論

經(jīng)過將LSTM模型參數(shù)不斷調(diào)整，使用訓練好的模型對預(yù)測值進行預(yù)測，整體看預(yù)測值和真實值的擬合效果較好，模型的預(yù)測值準確率較高，平均絕對百分誤差僅為0.828%。根據(jù)本文的預(yù)測模型，不但可以客觀地為套期保值者提供價格參考，而且可以客觀地為投資者提供預(yù)警，使投資者合理控制風險。同時，監(jiān)管者可以根據(jù)宏觀基本面變化以及微觀價格預(yù)測結(jié)果構(gòu)建螺紋鋼期貨的風險預(yù)警體系,防范系統(tǒng)性風險。