基于ＢＰ神经网络的国际黄金价格预测模型

[摘要] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对1972年～2006年间的各项数据首先进行归一化处理，利用matlab神经网络工具箱进行模拟训练，建立了基于bp神经网络的国际黄金价格预测模型。
　　[关键词] matlab bp神经网络 预测模型 数据归一化
　　
　　一、引言
　　自20世纪70年代初以来的30多年里,世界黄金价格出现了令人瞠目的剧烈变动。20世纪70年代初,每盎司黄金价格仅为30多美元。80年代初,黄金暴涨到每盎司近700美元。本世纪初,黄金价格处于每盎司270美元左右,此后逐年攀升,到2006年5月12日达到了26年高点,每盎司730美元,此后又暴跌,仅一个月时间内就下跌了约160美元,跌幅高达21.9%。最近两年，黄金价格一度冲高到每盎司900多美元。黄金价格起伏如此之大,本文根据国际黄金价格的影响因素，通过bp神经网络预测模型来预测长期黄金价格。
　　二、影响因素
　　刘曙光和胡再勇证实将观察期延长为1972年～2006年时,则影响黄金价格的主要因素扩展至包含道琼斯指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率和世界黄金储备5个因素。本文利用此观点，根据1972年～2006年各因素的值来建立神经网络预测模型。
　　三、模型构建
　　1.模型选择：bp网络具有理论上能逼近任意非线性函数的能力，将输入模式映射到输出模式，只需用已知的模式训练网络，通过学习，网络就有了这种映射能力。

　　2.样本数据归一化：在训练前，对数据进行归一化处理，把输入向量和输出向量的取值范围都归一到[0，1]。
　　网络设计：采用单隐层的bp网络进行预测，由于输入样本为5维的输入向量，因此输入层一共有5个神经元，中间层取20个神经元，输出层一个神经元（即黄金价格），网络为5*20*1的结构。中间层的传递函数为s型正切函数，输出层为s型对数函数。

　　中间层的神经元个数很难确定，测试时分别对12，15，20个数进行测试，寻找误差最小的。
　　4.网络训练:训练次数epochs5000,训练目标goal 0.001
　　对30个样本数据进行训练，经过1818次的训练，目标误差达到要求，如图2所示：

　　5.网络测试：

　　神经元个数为20个时误差最小，此时网络的仿真结果如图3所示，预测精度80%以上，效果满意。

　　四、结论
　　在对1976年～2006年的影响国际黄金价格的五种因素的数据进行归一化处理后，用matlab建立的bp神经网络预测模型进行预测，达到了很好的效果。
　　国际黄金的长期价格受到许多因素的影响，本文只是对道琼斯工业指数等影响因素诸如分析，来预测长期的国际金价。还有其他因素，如国际油价，局部政治因素等，如果考虑进去，预测精度会进一步提高。
　　
　　参考文献：
　　[1]徐优丽:基于神经网络的物流需求预测.浙江树人大学学报, 2008(01):56～58
　　[2]刘曙光胡再勇:黄金价格的长期决定因素稳定性分析.世界经济研究,2008(02):35～41

本文链接：http://www.qk112.com/lwfw/jsjlw/jsjwl/239678.html