（工商管理专业论文）神经网络在股指期货中的应用.pdf

中文提要 中国股票市场在国民经济中的作用和地位越来越重要。伴随着中国资本市场 的发展，开放式基金、社保基金和保险资金等机构投资者不断涌入证券市场。为 保证大资金的安全运作和股市的正常发展，中国资本市场急需股指期货等有效的 避险工具。股指期货一旦推出将有利于完善股市的功能与机制，丰富广大投资者 的投资工具，将对中国股票市场的发展起着重大的推动作用。本文着重研究了神 经网络在股指期货中的应用。 神经网络作为一种重要的人工智能技术，广泛运用于信号处理、模式识别、 系统辨认、自适应控制等领域。也应用于经济景气分析、时问序列、证券组合优 化等领域，并取得了常规经济学研究方法所不能得到的效果。 本文研究了沪深3 0 0 指数作为股指期货标的物可行性，利用人工神经网络对 沪深3 0 0 指数进行预测，并进行了实证研究，最后得出结论神经网络技术在应用 于股价指数这种复杂的非线性系统的预测方面有较好的效果，对即将推出股指期 货具有一定的意义。 关键词：股指期货神经网络股价指数 a b s t r a c t t h es t o c km a r k e ti nc h i n ai s p l a y i n ga l li n c r e a s i n g l yi m p o r t a n tr o l ei nt h e n a t i o n a le c o n o m y a l o n gw i t ht h ed e v e l o p m e n to fc h i n a sc a p i t a lm a r k e t ，o p e n e n d f u n d s ，s o c i a ls e c u r i t yf u n d s ，i n s u r a n c ef u n d sa n do t h e ri n s t i t u t i o n a li n v e s t o r se n t e r i n t ot h es t o c km a r k e tc o n t i n u o u s l y t oe n s u r et h es a f e o p e r a t i o no fl a r g ec a p i t a l m a r k e ta n dt h en o r m a ld e v e l o p m e n to fc h i n a sc a p i t a lm a r k e t sa r ei nu r g e n tn e e do f e f f e c t i v eh e d g i n gi n s t r u m e n t ss u c ha sf u t u r e si n d e x e s t h ei n t r o d u c t i o no fs t o c ki n d e x f u t u r e sm a r k e tw i l lb ec o n d u c i v et oi m p r o v i n gt h ef u n c t i o na n dm e c h a n i s m ，a n dr i c h i n v e s t m e n tt 0 0 1 c h i n aw i l lp l a yam a j o rr o l ei np r o m o t i n gt h ed e v e l o p m e n to ft h e s t o c km a r k e t t h i sp a p e rs t u d i e st h ea p p l i c a t i o no fn e u r f ln e t w o r k si nt h es t o c ki n d e x f u t u r e s a sa ni m p o r t a n ta r t i f i c i a li n t e l l i g e n c et e c h n o l o g y , n e u r a ln e t w o r ki sw i d e l yu s e d i ns i g n a lp r o c e s s i n g , p a t t e r nr e c o g n i t i o n ，s y s t e mi d e n t i f i c a t i o n ，a d a p t i v ec o n t r o la n d o t h e rf i e l d ss u c ha se c o n o m i cb o o ma n a l y s i s ，t i m es e r i e sp o r t f o l i oo p t i m i z a t i o nf i e l d a n ds oo nw h e r ec o n v e n t i o n a le c o n o m i c sa n dr e s e a r c hm e t h o d sa r en o ta c h i e v e dt h e d e s i r e de f f e c t s t h i sp a p e rs t u d i e st h es u b j e c tm a t t e ro ff e a s i b i l i t yo ft h es h a n g h a ia n ds h e n z h e n 3 0 0i n d e xa ss t o c ki n d e xf u t u r e s ，a n du s ea r t i f i c i a ln e u r a ln e t w o r k st o p r e d i c t3 0 0 i n d e x e s n e u r a ln e t w o r kt e c h n o l o g yi su s e dt of i n a l l yr e a c hac o n c l u s i o nt h a ti th a s e x c e l l e n tf o r e c a s tr e s u l t si nf o r e c a s t i n gt h i sc o m p l e xn o n l i n e a rs y s t e m ，w h i c hw i l l s o o nh a v es o m es i g n i f i c a n c eo nt h ei n t r o d u c t i o no fs t o c ki n d e xf u t u r e s k e y w o r d s ：s t o c ki n d e xf o r e c a s t i n g g e n e t i ca l g o r i t h mn e u r a ln e t w o r k s l l 前言 股票指数期货是上个世纪8 0 年代金融创新过程中出现的最重要、最成功的金融 衍生工具之一。它是以股市的价格指数为交易标的物的标准化期货合约。国际股指期 货的交易规模日趋扩大，交易品种不断涌现，成为世界金融市场上最受投资者青睐的 避险工具之一。股指期货具有价格发现、套期保值、资产配置等功能。从国际市场的 发展潮流看，股指期货在完善资本市场功能与体系方面的作用得到广泛的认同。特别 是上世纪9 0 年代以来，随着信息技术的飞速发展，投资全球化的推进，股指期货交 易的全球化己经势不可挡。这突出表现在新的电子交易系统的广泛应用和2 4 小时在 线交易的开通，这些系统都允许投资者从一个终端进行多个市场的期货交易，从而促 进了股指期货全球电子化交易网络的形成和发展。 中国股票市场在国民经济中发挥的作用和地位越来越重要，伴随中国资本市场的 发展，开放式基金、社保基金和保险资金等机构投资者不断涌入证券市场。为保证大 资金的安全运作，中国资本市场急需股指期货等有效的避险工具。 股指期货的交易基础是作为“合约标的物”的基本指数，一个科学合理的基本指 数是股指期货成功推出的关键。选择或者建立什么样的指数作为交易的标的物是股指 期货研究的重要课题之一。 从系统论的角度看来，股票市场是一个动态演化的复杂的非线性系统，具有高度 的复杂性。它的波动受许多外界因素影响，如国家政策、投资者心理状态、经济环境 等。由于影响因素本身具有复杂性与多样性，所以股价指数的趋势也非常复杂不易预 测。 如何建立适当的、行之有效的模型，以便更好的预测未来一定时期内的股票指数 的变动，对于股指期货交易无疑有着非常重要的意义。 自2 0 世纪8 0 年代初以来，非线性科学、非平衡系统的研究得到巨大进展，人们 开始了解了许多非线性、非平衡的概念。处理这些非线性系统的数学手段也大大增多 了，在这种学科背景下，从事经济分析的工作者便开始将这些非线性系统的新工具运 用到经济系统的分析中。 由此，近年来出现的多种非参数预测方法的应用为这一问题的解决提供了种全 新的思路。其中，人工神经网络的“黑箱”策略忽略了对非线性方程的判定，可以直 接利用网络的输入输出变量进行网络训练和修正，来确定宏观经济变量的相互作用和 影响，达到预测的目的1 。人工神经网络的应用及各种优化方法的发展为非线性结构 建模问题提供了广阔的前景。 本文的主要研究内容包括通过对中国目前主要的几种股价指数进行实证分析，从 中选择沪深3 0 0 指数作为主要的研究对象，采用人工神经网络的方法建立股价指数预 测模型并对预测效果进行检验，希望能对即将推出的股指期货交易提供一定的参考价 值。论文结构图如下图所示： 有效市场理论 相 由 关 国 股 股价 理 + |时间序列方法 价 指结 论 指数 论 研 数 预 究 研测 【一 究 - 神经网络理论 图1 论文结构图 杨建刚，人工神经刚络实用教程，浙江大学出版礼，2 0 0 1 ：第一1 5 页，第1 4 8 1 5 7 页 2 第一部分相关理论综述 股市是一个复杂的非线性系统，股票价格涉及许多不确定因素，且各个因素之间 的相关关系错综复杂。随机游走理论认为股价波动完全是随机的，但大量事实表明， 股价波动存在某种规律性。将股市看作确定性非线性动力系统，即内部的动力机制是 确定的，股价的历史数据和其它信息蕴含着可用于预测未来股价的信息，即存在一个 函数：p t + l = f ( p 似，l ，p t ，x 1 1 ，l ，) ( t ，y i 。，l ，y 。，l ) 。其中p 表示股价，x ，y 是外部变量。若只考虑股价序列内部关系，则f 可表示为p ( t + 1 ) = f ( p t k ，l ，p 。) 。 预测的关键在于由样本数据构造或用适当的方法逼近这一函数f 。然而，f 常常是非 常复杂的，传统的线性预测方法对观测样本加权求和作为预测结果显然是不妥的。而 神经网络由于其强大的非线性逼近和泛化能力，得到了最为广泛的应用。l a p e d e s 2 等 最早发表了神经网络用于预测的文章，他们用非线性神经网络对由计算机产生的时间 序列仿真数据进行学习和预测。w e r b o s ，v a r f i s 和v e r s i n 0 3 对实际的经济时间序列进 行预测研究。w e i g e n d 4 等利用神经网络研究太阳黑子的年平均活动情况，通过与回 归方法的比较表明神经网络的预测优于统计预测。2 0 世纪9 0 年代以来，国外利用 神经网络对股票价格预测方法层出不穷，另外一些人工智能的方法，如遗传算法、模 糊理论和粗集，也陆续在股票市场中得到一些应用。 一、有效市场假说 有效市场假说s ( e m h ) 认为市场参与者的买卖信息都反映在市场的价格之中， 只有不可预见的事情才会影响股票的价格变化。随机事件对股票价格的影响既可能是 正向的，也可能是负向的。即指：今天的价格变化来源于今天在市场上出现的信息， 而昨天之前的信息不对今天的股价变动产生影响。今天的收益是随机变量，只反映当 天的随机事件，服从随机游走。 人们通常按照信息集的不同类型，将市场效率划分为三个层次： 一是“强型”有效市场( s t r o n g f o r me f f i c i e n c y ) 。在该市场中，现时的股票价格 2 l a p e d e s a ，f a r b e r r as e l f o p t i m i z i n g ，n o n s y m m e t r l c a l n e u r a ln e t f o r c o n t e n ta d d r e s s a b l e m e m o r ya n d p a t t e r n r e c o g n i t i o n p h y s i c a2 2 d ，1 9 8 6 2 4 7 2 5 9 3w e r b o sp tb e y o n dr e g r e s s i o n ：n c wt o o l sf o rp r e d i c t i o na n d a n a l y s i si nt h eb e h a v i o r a ls c i e n c e s p hd d i s s e r t a t i o n h a r v a r du n i v e r s i t y ，1 9 7 4 4w e i g e n d a s p a r a d i g m c h a n g e i np r e d i c t i o n i n ：t o n g he d c h a o sa n d f o r e c a s t i n g s i n g a p o r e ：w o r l d s c i e n t i f i c 1 9 9 5 ：1 4 5 1 6 0 f a m a ，e 1 9 7 0 ，e f f c i e n t c a p i t a l m a r k e t s ：ar e v i e wo f t h e o r ya n de m p i r i c a l w o r k ，j o u r n a lo f f i n a n c e ，m a y , 3 反映了所有信息，没有人能够利用包括内幕消息在内的任何信息获得超额收益。 二是“半强型”有效市场( s e m i - s t r o n g - f o r me f f i c i e n c y ) 。在该市场中，现时股 票价格反映了所有公开的相关信息，如年报、简报、报纸专栏等等，因此没有人能够 获益于对这些公开消息的分析( 基本分析) 。 三是“弱型”有效市场( w e a k f o r me f f i c i e n c y ) 。在该市场中，现时股票价格反 映了所有过去的相关信息，因此没有人能够运用历史价格变动( 技术分析) 来获得超 额收益。 经济学家们在不断发现支持e m h 证据的同时，也碰到了一些与之相悖的现象。 有效市场假说( e m h ) 经常不能解释某些市场行为。目前，没有多少结论证明市场 是有效的，但也没有多少证据证明市场是无效的。基础分析经常管用，但也经常失败。 技术分析一开始很实用，但随后就不管用了。 e m h 假定投资者是理性的、有秩序的、有条理的。然而，理性告诉人们：市场 不是有秩序的或简单的，它们既混乱又复杂。因此有必要重新探讨市场的特性，从而 使股票收益率的预测不必依赖于独立、正态分布、方差有限的假设。 中外学者对中国上海、深圳两市的股票指数进行了阶段性研究，发现了两市的股 票指数存在混沌现象6 ，即股市系统中可以产生看上去随机，实际却并非真正随机的 结果。股票市场混沌现象所固有的确定性为股票指数的短期预测提供了理论上的保 证。 二、时间序列预测法 时间序列预测法的基本思想是根据系统有限长度的运行记录( 观察数据) ，建立 比较精确的反映时间序列中所包含的动态依存关系的数学模型，并借以对系统的未来 行为进行预测。广泛应用于股票时间序列预测的基本方法主要有以下几种：自回归模 型( a r ) 、移动平均模型( m a ) 、自回归移动平均模型( a r m a ) 、自回归求和移动 平均模型( a r i m a ) 等，其中自回归求和移动平均模型是由b o x j e n k i n s 7 两位学 者建立，目前大部分的研究都选择a r i m a 模型。 s 这些股票时间序列预测方法力图通过一些移动平均的方法将一些干扰因素的影 响降低到最低限度，从而将时间序列发展的趋势提取出来，对未来股票行情进行预测。 6 林小明，二卜美今，“我国股票市场的混沌现象与市场的有效性”，数量经济，技术绎济研究，1 9 9 9 年第4 期第 5 1 - 5 3 页 7b o x ，g e ，gj e n k i n s ，t m o ，gc b a y e s i a ni n f c r c n i ns t a t i s t i c a la n a l y s i s a d d i s o n w e s l e yp u b l i s h i n gc o ，1 9 7 3 4 股市行情受到的众多因素影响，但股市周期往往同经济周期联系在一起，使用时 间序列方法可以比较容易地从股票时间序列中分离出股票发展的趋势。但是股票时间 序列预测模型的适当确认通常不明显，对一个时间序列和它的自相关函数，可能存在 多个不同的确认，所以必须结合一定数量的尝试试验才能做出好的判断和选择。一般 来说，一个股市时间序列预测模型能否用于预测很难确定。尽管能够计算模型的预测 置信区间，仍必须确定所研究的变量是否有显著的结构性变化，从而改变序列的未来 运动方向。总的来说：首先需要确定时间序列齐次性的阶数，随后需要确定模型的移 动平均和自回归两部分的阶数，需要借助样本自相关函数和样本偏自相关函数，一般 说，正确的选择并不明显，需要估计几个不同的确认模型。模型确认之后，就要进行 估计。接下来评价模型是否有能力对未来获得准确的预测。 股票时间序列的预测一般都建立在股票收益率的是独立、正态分布、方差有限的 假设上，但是市场不是有简单的，而是又混乱又复杂。因此使用时间序列预测方法来 预测股票，不太符合股票市场是混沌的特性。 三、神经网络理论 神经网络是近年来人工智能界最为热门的研究方向之一。它是指由大量与自然神 经系统的神经细胞类似的( 人工) 神经元互联而成的网络，因而具有某些智能处理功 能。目前，神经网络理论的运用己渗透到各个领域，并在信号处理、智能控制、模式 识别、知识处理等方面取得了令人鼓舞的进展。在预测预报方面，神经网络的应用达 到了前所未有的广度。除了在工程预报方面以外，还在诸如财政风险分析、原油价格 预报、股票行情分析等方面得到了应用。 神经网络有多种模型，不同的网络模型有不同的处理能力，因而对于特定类型的 问题只能选择特殊的网络模型。另一方面，特定类型的网络模型也只能解决特定的问 题。 美国神经网络学家h e c h tn i e l s 曾为人工神经网络给出以下定义：人工神经网络 是由多个非常简单的处理单元彼此按某种方式连接而成的计算机系统，该系统是靠其 状态对外部输入信息的动态响应来处理信息的。可见人工神经网络的信息处理功能是 依靠计算机的强大处理能力来实现的，但它又不同于一般的计算机系统。它没有预先 确定的、串行的运算操作，也没有确定的存储器。它由许多互连的简单处理单元组成， 学习达到平衡后，由各个神经元的权值组成的整个网络的分布状态，就是所求的结果。 5 网络学习的过程也就是各神经元权值的调整过程。一个人工神经网络代表着非线性的 无参变量的模型。其步骤就是允许数据决定模型的结构及其参数，并不需要任何约束 性假设。可以看作是一组非线性参数模型，在这些模型中的学习或训练过程等于是参 数估计。 神经网络具有如下的基本特点：分布式存储信息的特点；对信息的处理及推 理的过程具有并行的特点；对信息的处理具有自组织、自学习的特点。它在许多方 面更接近于人对信息的处理方法，具有模拟人的形象思维的能力。也正因为神经网络 的这些特点，使得它在模式识别、自动控制、信号处理、辅助决策、人工智能等方面 有着广阔的应用前景。 ( 一) 人工神经网络的构成 神经网络模型用于模拟人脑神经元，其中包括对信息的加工、处理、存储和搜索 等过程。神经网络是由大量的处理单元( 神经元) 相互连接而成，其信息处理由神经 元之间的相互作用来实现，知识与信息的贮存表现为网络原件互相分布式的物理联 系，神经网络的学习和识别决定于各神经元连接权系数的动态演化过程训。总的来说， 神经网络的信息处理功能就是由神经元的输入输出特性( 激活特性) 、网络的拓扑结 构( 神经元的连接方式) 、连接权的大小( 突出的联系强度) 和神经元的闭值( 可视 为特殊的连接权) 等共同决定。 对于各种神经网络来说，学习的本质特征在于各个神经连接之间的信号获取、改 变和传递，而如何调整权重就构成了不同的学习算法。同时由于在神经网络中引入了 隐含层神经元，神经网络就具有更好的分类和记忆等能力。 神经元是a n n 的基本处理单元，它一般是一个多输入、单输出的非线性元件。 神经元输出除了受到输入信号的影响外，同时也受到神经元内部其它因素的影响，所 以常常在人工神经元的建模中加入一个额外输入信号，称为偏差( b i a s ) ，有时也称为 阐值或门限值。一个具有r 个输入分量的神经元，如图2 单个神经元模型8 所示。 8 飞思科技产品研发中心神经i , 4 络与m a b l a b 7 实现第2 1 页 6 三竺 输入量神经兀 图2 单个神经元模型 数据来源：m i c h a e lj 丸b e r r y , g o r d o ns l i n o f f m a s t e r i n gd a t am i n i n g ) 其中，输入向量p j0 = 1 ；2 ，r ) 通过与和它相乘的权值分量w j0 = 1 ，2 ，r ) 相连，以w i p j 的形式求和后，形成激活函数f ( ) 的输入。激活函数的另一个输入是神 经元的偏差b ，如图2 单个神经元模型所示。 ( 二) 神经网络拓扑结构 为了表示一般性，这里介绍多层神经网络的拓扑结构。一个多层的神经网络结构 如图3 多层前馈神经网络结构图所示： 图3 多层前馈神经网络结构图 数据来源：飞思科技产品研发中心神经网络理论与m a t l a b 7 实现 如图所示，多层前馈神经网络由一个输入层、一个或多个隐含层和一个输出层组 成。各层包含一个或多个神经元，不同的层有不同的神经元数，相邻两层神经元之间 通过可调权值相连接，且各神经元之间没有反馈。其信息由输入层依次向隐含层传递， 直至输出层。每个神经元以加权和的形式综合它的全部或部分输入，并根据非线性激 7 活函数的形状产生相应的输出。研究表明，三层结构的前向网络在隐含层增加足够多 的神经元的话，可以以任意精度逼近任意连续函数。因此，在理论研究和实际应用中， 人们最常用的是具有线性输出的单隐层网络。 ( 三) b p 神经网络及算法 神经网络模型的种类很多，如感知器模型、b p 前向神经网络模型、径向基神经 网络模型、随机性神经网络模型、自组织神经网络模型等。根据网络中神经元连接方 式的不同，神经网络可分为前向网络、有反馈的前向网络、层内有相互结合的前向网 络以及相互结合型网络( 包括全互连和部分互连类型) 。其中多层前向b p 网络在经 济预测中应用最为广泛，也是本文将要采用的研究模型的基础，所以接下来将详细研 究多层前向b p 网络的理论基础。 1 9 8 6 年r u m e l h a r t 等提出了误差反向传播算法( e r r o rb a c kp r o p a g a t i o n ，简称b p ) ， 系统地解决了多层神经网络中隐含层连接权的学习问题，所以b p 模型已成为神经网 络中的重要模型之一，并得以广泛应用。r u m e l h a r t 和m c c e l l a n d 领导的科学家小组 于1 9 8 6 年在( p a r a l l e ld i s t r i b u t e dp r o c e s s i n g ) ) 一书中，对具有非线性连续传递函数的 多层前馈网络的误差反向传播( e r r o rb a c kp r o p a g a t i o n ，简称b p ) 算法进行了详尽的 分析9 。 首先，由于只需要模拟现实复杂系统的输入和输出，网络又具有极强的非线性映 射能力，使网络的结构十分简单；其次，神经网络的容错能力很好，在局部节点或连 接失效的情况下，仍然能正常工作；再次，神经网络可以通过有监督学习或无监督学 习来模拟过去必须由人来完成的一些操作。所以这些优点都使它在各个专业领域具有 很强的竞争优势。b p 网络是前向网络的核心部分，并体现了人工神经网络的精华部 分。 b p 算法的基本思想是：学习过程由信号向正向传播与误差的反向传播两个过程。 当正向传播时，输入样本从输入层输入后，经隐含层神经元处理后传向输出层，每一 层神经元的状态只影响下一层的神经元状况。如果在输出层得不到希望的输出，则转 入反向传播，将各单元的误差信息以特定的方式沿原来的神经元连接通路逐层反传。 反传过程中，计算每一层的误差信号，以该误差信号作为各单元的权值调整依据，逐 一修改各层神经元连接的权值。b p 算法中的工f 向传播和误差的反向传播过程式不断 循环进行的，这同时也是神经网络学习的过程。当网络输出达到预定的精度或预定的 9 陆金托等，“多层神经嘲络b p 算法的研究”，计算机t 程，1 9 9 4 ，2 0 ( 1 ) 第1 7 一1 9 页 8 训练次数，权值调整结束。 在多层前馈b p 网络的应用中，单隐含层网络的应用最为普遍。在三层前馈网络 中，输入为x = ( x 1 ，x 2 ，x 。) t ，再加入x o = l ，可为隐含层引入阀值：隐含层的 实际输出向量为y = ( y l ，y 2 一， y 。) t ，再加入y o = l ，可引入阀值；输出层的实际 输出向量为0 = ( 0 1 ，0 2 ，o 。) t ；期望输出向量为d = ( d l ，1 3 2 ，d k ) t 。 输入层到隐含层间的权值矩阵w = ( w 。，w 2 ，w 。) ，其中列向量w j 为隐含层第j 个 神经元对应的权向量。隐含层到输出层间的权值矩阵v = ( v 1 ，v 2 ，v 。) ，其 中列向量为输出层第k 个神经元对应的权向量。在隐含层中的转移函数多采用s 型激活函数，可有效地避免出现过饱和现象。而输出层多采用线性激活函数，以适应 实际问题的需要。 b p 算法的限制与不足 虽然反向传播算法得到广泛的应用，由于b p 算法是基于梯度最速下降法，但它 也存在自身的不足，其主要表现在训练过程不确定上。具体如下： 1 ) i l l 练时间较长，收敛比较慢。对于某些特殊的问题，运行时间可能需要几个小 时甚至更长，这主要是因为学习速率太小所致，可以采用自适应的学习速率加以改进。 2 ) 可能无法训练。训练时由于权值调整过大，使激活函数达到饱和，从而使网络 权值的调节几乎停滞。为避免这种情况，一是选取较小的初始权值，二是采用较小的 学习速率。 3 ) 易陷入局部极小值。b p 算法可以使网络权值收敛到一个最终解，但它并不能 保证所求为误差超平面的全局最优解，也可能是一个局部极小值。这主要是因为b p 算法所采用的是梯度下降法，训练是从某一起始点开始沿误差函数的斜面逐渐达到误 差的最小值，故不同的起始点可能导致不同的极小值产生，即得到不同的最优解。如 果训练结果未达到预定精度，常常采用多层网络和较多的神经元。以使训练结果的精 度迸一步提高，但与此同时也增加了网络的复杂性与训练时间。 钔训练过程中学习新样本时有遗忘旧样本的趋势。 因此出现了很多改进的b p 算法”，如单纯形法、梯度法、动态规划法、分支定 界法等。提高收敛速度的常用方法有：加入动量项、利用高阶导数、共扼梯度法、递 推最小二乘法、神经元空间搜索法等。 坩杨大力、刘洋民，“多层前向神经嘲络中b p 算法的误调分析及改进的算法”，电子学报，1 9 9 5 2 3 ( 1 ) ，第1 1 7 1 2 0 页 9 ( 四) e l m a n 神经网络结构 e l m a n 回归神经元网络是e l m a n 于1 9 9 0 年提出的，该模型在前馈网络的隐含层 中增加一个承接层，作为一步延时算子，达到记忆的目的，从而使系统具有适应时变 特征的能力，能直接反映动态过程系统的特性。 e l m a n 型回归神经元网络一般分为4 层：输入层、中间层( 隐含层) 、承接层和 输出层。其输入层、隐含层和输出层的连接类似于前馈网络，输入层的单元仅起信号 传输作用，输出层单元起线性加权作用。隐含层单元的传递函数可以采用线性或者非 线性函数，承接层又称为上下文层或状态层，它用来记忆隐含层单元前一时刻的输出 值，可以认为是个一步延时算子。 e l m a n 型回归神经元网络的特点是隐含层的输出通过承接层的延时与存储，自联 到隐含层的输入，这种自联方式使其对历史状态的数据具有敏感性，内部反馈网络的 加入增加了网络本身处理动态信息的能力，从而达到动态建模的目的。 似y 1 u 厂、 扩b 图4e l m a n 网络 数据来源：飞思科技产品研发中一t 5 神经网络理论与m a t l a b 7 实现 四、关于神经网络的相关研究综述 目前，一些学者使用神经网络在股票预测方面进行了一些尝试。 陈朝阳、胡乐群、王鹤群( 1 9 9 7 ) 在齐鲁石化价格支持决策系统的研制中建立神 经网络经济预测模型“，其中选取了具有代表性的八个宏观经济、行业经济因素作为 输入变量，它们分别为：固定资产投资、信贷规模、货币投放、国民生产总值、储蓄 额、汇率、进出口总量、利率：而输出变量为齐鲁石化价格指数。然而事实上影响股 陈朝阳、胡乐群、j 二鹤群“基于遗传算法的神经嘲络经济颅测模型的建盘”，预测，1 9 9 7 年第1 期第6 8 1 0 票价格的因素何止八个这么少，而且若要使用这个模型进行预测，就必须知道这八个 变量在未来一期的预测值，所以笔者认为在这个预测模型中，虽然使用这八个变量的 输入来产生股票价格的输出有一定的道理，但是为何选择这八个变量，为何只选择这 八个变量，以及如何确定这八个变量的值存在一定的随意性。 另外，林杰( 1 9 9 8 ) 探讨用神经网络进行股票价格短期预测“，采用1 9 9 6 年1 2 月1 6 日到1 9 9 7 年4 月2 5 日期间的前3 3 天交易数据给神经网络学习，让神经网络 给出剩余数据的走势预测，但在文章中只比较不同输入单元对预测结果的影响，并未 探讨如何选择神经网络结构。 g uy u q i a o ( 2 0 0 0 ) 等曾使用基于混沌算法的前向神经网络来对香港恒生指数期 货的时间序列进行分析1 3 ，该模型使用混沌算法代替原来的b p 算法来对恒生指数建 立预测模型。训练样本使用7 0 0 0 多个恒生指数收盘价时间序列。训练完后使用该模 型预测未来6 天的恒生指数，得到未来第一天的平均绝对误差为3 6 5 点，未来第六 天的平均绝对误差为9 0 9 7 点，预测效果比较好。该模型同样使用5 - 6 1 的网络结构， 但是文章并没有给出如何确定6 个隐层单元。 以上这些神经网络预测方法体现了现有神经网络应用于股票预测的几种方向，有 一定的代表性。这些方法大多采用的静态前馈b p 神经网络，实际上是将动态的时间 问题变为静态的空间问题进行建模，有其必然的局限性。 鉴于以上预测模型的某些局限性，本文采用e l m a n 神经网络预测方法。这种方法 是一种典型的动态神经元网络，它在前馈神经网络的基本结构的基础上通过存储其内 部状态使其具备映射动态特征的功能，使系统具有适应时变得能力。本文采用e l m a n 网络建立股价指数预测模型，最后使用此预测模型对股票指数进行预测，从而对我国 即将推出的股指期货的价格走势起到一定的预测作用。 ”林杰，“用神经叫络方法预测股票橱期走势”两南交通大学学报1 9 9 8 年6 月第3 3 卷第3 期第2 9 9 贞 ”g u y u q i a o c h e n t i a n l u n th u a n g w u q u nn e u r a l ”f o r e c a s t i n g o f h a n g s h e n g i n d e xf u t u r e s b a s e d 0 1 1 n e t w o r k sw i t hc h a o t i ca l g o r i t h m ”a c ts e i e n t i cn a t u r a l i u mu n i v e r s i t a t i sn a n k a i e n s i s2 0 0 0 3 1 1 一、股指期货的起源 第二部分股指期货概述 2 0 世纪7 0 年代初期，美国经济和股市剧烈波动。接二连三的美元危机最终使固 定汇率制崩溃：接踵而来的石油危机触发了美国经济的通货膨胀。在经济危机和金融 混乱的双重压力下，股市的危机频频出现，给股民带来巨大的损失。人们面对系统风 险只能束手无策。在利率期货和汇率期货这两个避险工具被开发出来以后，创建一个 适宜于股市的避险工具自然而然的提上议事日程。1 9 8 2 年2 月2 4 日，美国密苏里 州堪萨斯市农产品交易所( k a n s a sc i t yb o a r do ft r a d e k c b t ) 推出世界上第一份股 指期货合约，当时被称作价值线综合平均指数( v a l u el i n ec o m p o s i t e a v e r a g ef u t u r e ) 的股票指数期货合约。随后芝加哥商业交易所，纽约期货交易所，芝加哥期货交易所 陆续推出股指期货。美国股指期货的成功开发，也引发各国期货交易所的竟相仿效。 目前，世界上股票指数期货交易主要集中于标准普尔股指期货、金融时报股票指数 ( f i n a n c i a lt i m e si n d u s t r i a lo r d i n a r ys h a r ei n d e x ) 、日经指数( n i k k e i2 2 5i n d e x ) 、 恒生指数( h a n gs e n gi n d e x ) 等。股票指数期货是以股票价格指数作为标的物的金融 期货合约。在实际交易中，股票指数期货合约的价值是用相应的指数的点数乘以事先 规定的单位金额来计算的，如标准普尔指数( s p 5 0 0 ) 规定每个点代表5 0 0 美元。 股票指数合约交易一般以3 ，6 ，9 ，1 2 月为循环月份，通常以最后交易日的收盘指 数为准进行结算。交易的双方都不进行实际的股票买卖，交易的是股票指数期货合约， 并以现金结算。 二、我国股指期货发展情况 中国股指期货的历史最早，可以上溯到1 9 9 3 年3 月1 0 日海南证券交易报价中心 在全国首次推出股票指数期货交易。可交易品种包括深圳综合指数和深圳综合a 股 指数两种期货合约，每种又分当月，次月和隔月三个不同交割月份，一共有6 个标准 合约，并引入保证金制度，允许买卖空双向操作。可是，好景不长，一方面由于海南 开设股指期货的行为属于地方越权审批行为，在当年治理整顿宏观经济环境的环境 下，成为整顿的对象；另一方面当年9 月初，深圳证券市场出现收市前1 5 分钟大户 1 2 联手出货，打压股指的行为，有关方面认为股指交易加大了市场的投机性，不利于股 市的健康发展，于是同年9 月9 日，中国证监会通知，券商未经批准不得开办指数期 货交易业务。海南的指数期货交易业务在当年1 0 月暂停。股指期货在中国资本市场 也就成了全世界罕见的真空。 海南股指期货的夭折一方面由于政府的干预，但主要是因为当时开展股指期货交 易的条件不成熟：一是股票市场的规模小。1 9 9 3 年底股票市场总市值3 5 3 1 亿元，流 通市值不到1 4 ，上市公司1 8 1 家。股指期货交易选用的深圳综合指数代表的市值更 小，上市公司7 7 家，总市值1 3 2 7 亿，其中流通市值才3 0 0 亿左右“。并且当时参与 交易的投资者大部分为个人，使得股指期货工具的使用者基本上都是投机者。二是法 律法规建设滞后，现有的大部分法律法规当时都没有出台。在这种情况下，股指期货 的应有的正常功能不一定能发挥作用。 这些年来，中国一直在酝酿恢复股指期货。特别是2 0 0 2 年的春天几乎就成了中 国股指期货的一个充满希望的春天。中国证监会首席顾问梁定邦先生在“2 0 0 1 年中 国期货市场投资论坛”上提议编制全国统一指数，并且提出股指期货将可能在统一指 数推出试运行6 个月后推出。与此同时，上海期货交易所正式形成了3 0 万字的股指 期货的提案，并于2 0 0 2 年初向证监会上报了股指期货上市的申请。当年的两会期间， 代表委员关于发展期货市场、增加期货品种、开发股指期货等的提案共有1 8 件之多。 上证所总经理朱从玖表示，股市的统一指数可能会在当年上半年推出，时任上海期货 交易所总经理姜洋更是明确表示，上海期货交易所将在近期推出股指期货。 虽然2 0 0 2 年以来的有关舆论一直在说“推出股指期货的时机已经成熟”，但是， 即使在中国金融期货所获准成立的今天，中国股指期货在理论准备组织准备和技术准 备上较2 0 0 2 年更为充分的情况下，依然尚有一些不容忽视的问题并未得到解决。 2 0 0 5 年4 月沪深3 0 0 指数推出。沪深3 0 0 指数是由上海和深圳证券市场中选取 3 0 0 只a 股作为样本编制而成的成份股指数。沪深3 0 0 指数样本覆盖了沪深市场六成 左右的市值，具有良好的市场代表性。沪深3 0 0 指数是沪深证券交易所第一次联合发 布的反映a 股市场整体走势的指数。它的推出，丰富了市场现有的指数体系，增加 了一项用于观察市场走势的指标，有利于投资者全面把握市场运行状况，也进一步为 指数投资产品的创新和发展提供了基础条件。 “张学东，股价指数期货理论1 j 实践研究，第7 5 页 2 0 0 6 年7 月2 4 日，新加坡交易所( s g x ) 正式公布了9 月5 日上市新华富时中 国a 5 0 股指期货的计划。a 5 0 指数期货成为全球首只中国a 股指数期货”。 2 0 0 6 年1 1 月2 2 日，中国第一个股指期货沪深3 0 0 股指期货开始仿真交易。 8 0 余家期货公司、券商、基金、保险资产管理公司等机构将参与在中国金融期货交 易所进行的仿真交易。 三、股指期货交易的概念及其特点 股指期货合约是一种具法律效力的合约，注明买卖双方根据市场上股票指数的升 降在未来既定日子以指定价格买人或卖出特定的股票指数。简言之，股指期货交易指 的是以股票指数为交易标的期货交易。股价指数期货是从资本市场中的主要金融产品 股票指数衍生出的避险工具。自面世以来，之所以受到了市场的普遍欢迎而为众多投 资者所接受、使用，特别的贡献在为股票交易者提供了一种全新而富有实效的保值手 段。其特点主要有： ( 1 ) 股指期货标的物为相应的股票指数，没有相对应的现货。 ( 2 ) 股指期货报价单位以指数点计，合约的价值以一定的乘数与股票指数报价 的乘积来表示。 ( 3 ) 股指期货的交割采用现金结清方式进行。即不是通过交割股票而是通过结 算差价用现金来结清头寸。 ( 4 ) 股指期货交易没有外在的直接供求关系的制约。股指是股票市场价格的一 种集合反映，可以被公众同时使用，其本身不具备“交换”的属性，在现货市场上无 法、也没有意义去进行“股指”交易，不存在“股指”的供求关系。 四、投资者买卖股指期货的好处 ( 1 ) 风险管理的工具。投资者可以通过买卖股指期货直接对整个股票市场进行 风险管理。负责管理大规模证券组合的经理可在无须卖出股票本身的情况下对其进行 保值。 ( 2 ) 透明度高。所有买卖盘都在衍生产品交易所内进行买卖。有效的买人价、 卖出价、成交价及成交量可以随时获得最新及准确的市场资料。 ( 3 ) 杠杆效应。投资者缴纳较少的保证金后就可控制较大的投资，即参与有杠 杆效应的股指期货市场。 坫刘勘“新加坡抢摊a 股股指期货”，证券导刊2 0 0 6 年1 0 月第3 6 页 1 4 ( 4 ) 建立空头头寸容易得多。而如果卖空股票，通常需要一定的股票借贷安排 以便交割所售股票。此外，有些股票交易所还有所谓的“上涨卖空”规定，即在行情 上涨以后方可卖空股票。期货市场就不存在此类障碍。 ( 5 ) 低廉的交易成本。买卖股指期货相当于买卖一篮子高市值的股票，其交易 成本比较买人或卖出该组成分股的交易成本低廉得多。 ( 6 ) 市场流通量大。由于期货交易成本通常比股票交易的成本低廉许多倍，且 可卖空买空，容易进行风险管理，导致期货市场的交易量大增，市场流通量也必然大。 五、股价指数期货交易的功能 股价指数期货是从资本市场中的主要金融产品股票指数衍生出的避险工具。自面 世以来，之所以受到了市场的普遍欢迎而为众多投资者所接受、使用，其特别的贡献 在为股票交易者提供了一种全新而富有实效的保值手段。股价指数期货主要有以下功 能： ( 一) 股指期货的价格发现功能( p r i c ed i s c o v e r y ) 股指期货交易以集中撮合竞价方式产生出未来不同到期月份的股指期货合约价 格，反映对股票市场未来走势的预期；同时，股指期货价格一般领先于股票现货市场 的价格，并有助于提高股票现货市场价格的信息质量。因此，股指期货与现货市场股 票指数一起可起到国家宏观经济景气晴雨表的作用。 1 9 9 9 年c h u 运用实证分析方法，通过比较股指期货、股价指数、s p d r s ( s & p d e p o s i t a r yr e c e i p t sm a r k e t s ) 对价格发现功能的优劣“，并验证四个假说后证明了股票 期货市场具有价格发现功能。这四个假说分别是；( 1 ) 杠杆假说。高杠杆证券具有较 好的价格发现功能。由于在同等数量的资本，投资高杠杆工具比投资于低杠杆工具收 益多。( 2 ) 交易成本假说。交易成本低的证券促进交易的活跃。这里的交易成本包括 佣金和买卖价差。( 3 ) 涨幅规则假说。在证券交易所卖空证券仅当最后显示的证券价 格变化是非负的。( 4 ) 信息传播假说。由特定信息集合促使