基于RNN的期货市场量化择时交易分析

因期货价格时间序列具有非线性及高噪声的数据特征,对其精确预测依旧十分困难,加上时间的动态变化,传统时间序列模型很难精准地对期货市场进行预测。由此非线性模型逐渐取代了时间序列模型在期货预测方面的应用,因此引入RNN用于期货市场量化择时交易。通过收集大量资料,对期货市场上不同种类的商品有大致的了解,根据市场现状,来确定具体需要构建的RNN模型种类;之后,尝试建模;建模完成后,套入某具有代表性的期货产品在过去某一个时间步的数据,通过观察信息在某个时间步向前的计算输出和损失,以及先后计算梯度,通过契合度测试模型的可行性,并不断修改,不断验证,从而训练出了一个成功的RNN模型。运用此模型预测该期货未来一段时间的价格走势。收集了三种典型的金融期货--沪深300、中证500、中证1000,四类商品期货中的典型期货--农产品中的美豆粕2301、基本金属中的COMEX铜、能源化工中的WTI原油、贵金属中的COMEX黄金等数据,最后得出该模型更适用于长期期货的结论。