(北京物資學(xué)院 北京 101149)

一、引言

步入21世紀(jì)后，我國(guó)進(jìn)入快速發(fā)展期，螺紋鋼的產(chǎn)量不斷增長(zhǎng)。因受到國(guó)際螺紋鋼價(jià)格波動(dòng)影響，我國(guó)螺紋鋼的價(jià)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(chǎng)規(guī)避風(fēng)險(xiǎn)。2009年3月27日，螺紋鋼期貨于上交所上市交易。近幾年來(lái)，螺紋鋼期貨的價(jià)格波動(dòng)更加劇烈，通過(guò)模型對(duì)螺紋鋼期貨的價(jià)格進(jìn)行預(yù)測(cè)，可以客觀地為套期保值者提供價(jià)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(fēng)險(xiǎn)。

對(duì)于期貨價(jià)格預(yù)測(cè)主要存在兩種預(yù)測(cè)方法。一種預(yù)測(cè)方法是基于線性回歸的時(shí)間序列模型預(yù)測(cè)法，費(fèi)婧文(2017)通過(guò)ARIMA模型預(yù)測(cè)了黃金期貨的價(jià)格，通過(guò)研究發(fā)現(xiàn)該模型能預(yù)測(cè)出短期內(nèi)黃金期貨價(jià)格的走勢(shì)。另一種預(yù)測(cè)方法是基于非線性回歸的神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)法，王珂(2018)通過(guò)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型和小波網(wǎng)絡(luò)模型對(duì)螺紋鋼期貨價(jià)格進(jìn)行對(duì)比預(yù)測(cè)研究，通過(guò)研究發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)效果更優(yōu)，整體上預(yù)測(cè)值和真實(shí)值的擬合效果較好。

因?yàn)榻鹑跁r(shí)間序列數(shù)據(jù)存在非平穩(wěn)、非線性以及高噪聲等特點(diǎn)，所以時(shí)間序列預(yù)測(cè)方法雖能預(yù)測(cè)出短期的期貨價(jià)格走勢(shì)，但預(yù)測(cè)的效果和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(shí)間序列預(yù)測(cè)的問(wèn)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(biāo)準(zhǔn)、輸入數(shù)據(jù)的數(shù)量不易確定等問(wèn)題。LSTM模型是最新的神經(jīng)網(wǎng)絡(luò)模型之一，本身具有時(shí)序特性和選擇記憶性，這兩個(gè)特性十分適用于期貨價(jià)格預(yù)測(cè)。因此本文基于LSTM模型對(duì)螺紋鋼期貨價(jià)格進(jìn)行預(yù)測(cè)。

二、實(shí)證分析

(一)指標(biāo)構(gòu)建及數(shù)據(jù)選取

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

不同期貨合約的成交量和持倉(cāng)量不同，螺紋鋼期貨1月、5月和10月的成交量和持倉(cāng)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(cāng)量最大的主力連續(xù)合約為研究對(duì)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(chǎng)的運(yùn)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(shí)間段為2010年1月4日至2019年6月6日，數(shù)據(jù)來(lái)自東方財(cái)富數(shù)據(jù)庫(kù)。選取75%總體數(shù)據(jù)數(shù)據(jù)作為訓(xùn)練集，訓(xùn)練集的起始時(shí)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(cè)集，預(yù)測(cè)集的起始時(shí)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(cè)方法

本文所構(gòu)建的螺紋鋼期貨收盤價(jià)預(yù)測(cè)指標(biāo)中不同指標(biāo)間數(shù)值差別很大，若不進(jìn)行數(shù)據(jù)處理，則數(shù)值大的指標(biāo)會(huì)影響所構(gòu)建的神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)準(zhǔn)確性。因此需將所獲取的指標(biāo)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化處理的公式為

其中，x*表示預(yù)測(cè)指標(biāo)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，x表示每一個(gè)預(yù)測(cè)指標(biāo)的原始數(shù)據(jù)，μ為每一個(gè)預(yù)測(cè)指標(biāo)的數(shù)據(jù)平均值，σ為每一個(gè)預(yù)測(cè)指標(biāo)的數(shù)據(jù)方差。

隨著預(yù)測(cè)指標(biāo)數(shù)據(jù)滯后期的延長(zhǎng)，對(duì)于螺紋鋼期貨收盤價(jià)的影響效果越來(lái)越弱，甚至?xí)绊戭A(yù)測(cè)效果。因此本文選取前10天交易日的預(yù)測(cè)指標(biāo)數(shù)據(jù)對(duì)第11天螺紋鋼期貨的收盤價(jià)進(jìn)行預(yù)測(cè)，將預(yù)測(cè)指標(biāo)數(shù)據(jù)按照每10天劃分為一塊，對(duì)10天的數(shù)據(jù)進(jìn)行訓(xùn)練，然后預(yù)測(cè)出第11天的數(shù)據(jù)，經(jīng)過(guò)訓(xùn)練到合適的次數(shù)得到最優(yōu)訓(xùn)練模型，將預(yù)測(cè)集帶入訓(xùn)練好的模型進(jìn)行預(yù)測(cè)，將預(yù)測(cè)值與原始數(shù)據(jù)進(jìn)行對(duì)比，衡量預(yù)測(cè)的準(zhǔn)確率。

(三)模型構(gòu)建與結(jié)果分析

模型的輸入為5個(gè)預(yù)測(cè)指標(biāo)，輸出為螺紋鋼期貨的預(yù)測(cè)值。經(jīng)過(guò)將LSTM模型參數(shù)不斷調(diào)整，螺紋鋼期貨價(jià)格的預(yù)測(cè)值達(dá)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(gè)數(shù)設(shè)置為10個(gè)，學(xué)習(xí)率設(shè)置為0.0006，迭代次數(shù)為200次。訓(xùn)練過(guò)程中如果參與訓(xùn)練的神經(jīng)元過(guò)多，訓(xùn)練集中的預(yù)測(cè)值與真實(shí)值擬合效果過(guò)好，但預(yù)測(cè)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(duì)百分誤差(MAPE)對(duì)螺紋鋼期貨的預(yù)測(cè)效果進(jìn)行評(píng)估，公式為

y1為預(yù)測(cè)值，y2為真實(shí)值，n為預(yù)測(cè)集中樣本的個(gè)數(shù)，此方法在進(jìn)行評(píng)估時(shí)考慮預(yù)測(cè)值與真實(shí)值誤差的同時(shí)，還將誤差占真實(shí)值的百分比考慮在內(nèi)。MAPE的數(shù)值越小表示預(yù)測(cè)的精度越高。

螺紋鋼期貨收盤價(jià)預(yù)測(cè)值和真實(shí)值的擬合結(jié)果如圖1所示，部分螺紋鋼期貨收盤價(jià)預(yù)測(cè)結(jié)果如表1所示。

圖1 螺紋鋼期貨收盤價(jià)預(yù)測(cè)結(jié)果

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

表1 部分螺紋鋼期貨收盤價(jià)預(yù)測(cè)結(jié)果

三、結(jié)論

經(jīng)過(guò)將LSTM模型參數(shù)不斷調(diào)整，使用訓(xùn)練好的模型對(duì)預(yù)測(cè)值進(jìn)行預(yù)測(cè)，整體看預(yù)測(cè)值和真實(shí)值的擬合效果較好，模型的預(yù)測(cè)值準(zhǔn)確率較高，平均絕對(duì)百分誤差僅為0.828%。根據(jù)本文的預(yù)測(cè)模型，不但可以客觀地為套期保值者提供價(jià)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(fēng)險(xiǎn)。同時(shí)，監(jiān)管者可以根據(jù)宏觀基本面變化以及微觀價(jià)格預(yù)測(cè)結(jié)果構(gòu)建螺紋鋼期貨的風(fēng)險(xiǎn)預(yù)警體系,防范系統(tǒng)性風(fēng)險(xiǎn)。