沪深300股指期现货间价格波动关系与走势预测

针对沪深股市时间序列的预测不稳定问题,分析股指期货与现货市场之间的价格传导关系与波动相关性。运用向量自回归(vector autoregressions,VAR)模型与动态条件相关多元-广义自回归条件异方差(dynamic conditional correlation-generalized autoregressive conditional heteroscedasticity,DCC-GRACH)模型,对期货与现货价格波动联动性进行实证分析,构建长短期记忆(long-term and short-term,LSTM)神经网络算法对沪深300股指现货价格走势进行动态预测,分别选取2016年9月至2019年4月沪深300指数的期货与现货价格作为研究对象。结果表明,股指期货市场与现货市场价格的传导过程,存在领先滞后关系,价格波动之间显著具有时变、持续的动态相关性与长期均衡关系,LSTM算法利用股指期货的价格较为精确地预测现货价格的变化范围与走势,序列参数越长,算法的准确率与预测结果越精准。