基于支持向量回归的豆油期货数据分析

王玥 孙德山 张蕾 张文政

摘 要 随着期货市场在经济中的影响逐渐增强，对期货市场的研究具有实际意义. 选取豆油期货指数进行研究，首先将数据进行归一化处理，然后选用支持向量回归方法建模分析.分析结果表明该方法对短期内的数据预测具有较好的效果，对了解期货市场的近期走势提供一些借鉴.

关键词 支持向量回归;豆油期货;期货指标;移动平均;随机指标

中图分类号 F724.5文献标识码 A

Abstract With the increasing influence of the futures market in economy， the research on the futures market is of practical significance. We selected  and studied  the futures index of soybean oil. First， the data was  normalized， and then the support vector machine was  used to model analysis. The analysis results show that the method has a relatively good effect on the short-term data prediction， and provides some reference for understanding the futures trend of the futures market.

Key words support vector machine; soybean futures; indicators of futures; moving average; KDJ

1 引 言

中国的期货交易萌芽在清朝时期，随着100多年的发展，上海期货交易所、大连商品交易所、郑州商品交易所和中国金融期货交易所四家期货交易所应运而生，并且对我国期货交易产生了深远的影响.目前，我国上市的期货品种覆盖农产品、有色金属、贵金属、能源化工、金融等重要品种，而且我国已经发展成为全球第一大商品期货市场.

2010年4月16日，随着沪深300股期货正式上市交易，期货交易成为中国股市的重要组成部分和金融市场体系的重要组成部分.对于投资者而言，期货交易具有方便的卖空机制、交易成本较低、市场流动性较高等特点.研究期货交易有利于方便人们的投资，对我国资本市场的完善发展具有重要的作用.

近年来，期货市场呈现出健康快速的发展状态[1]，随着科学技术的发展，人们对期貨市场的研究也越来越深入.文献[2]运用多元回归分析大豆期货价格，并探求对大豆价格的影响因素.文献[3]运用粒子群算法得到最优的支持向量机核函数，并对近期价格做了相关的预测.文献[4]引用了多种时间序列模型预测期货数据，得出了Garch模型最适用的结论.于航[5]使用支持向量机模型预测价格变化趋势，与传统的预测具体数值不同，在一定程度上提高了预测的准确性.本文使用支持向量回归来研究豆油期货的数据，并由当天的数据预测下一天的数据，实验表明SVR对短期预测具有较好的效果.

2 支持向量回归（SVR）模型建立

支持向量机（SVM）是在1995年由Cortes和Vapnik[6]等人提出，是一种具有核函数和解的稀疏性的特点的特殊的算法.SVM建立在VC维理论和结构化最小原则上，建立了一个函数使误差最小化，有效的避免了过度拟合的问题.在分类（SVC）的情况下，试图寻找一个最优超平面分开两类.在回归（SVR）的情况下，则是建立一个尽可能多地接近数据点的超平面[7].

6）能量潮（OBV）

OBV指标就是发现热门股票、分析股价运动趋势的一种技术指标。它是将股市的人气——成交量与股价的关系数字化、直观化，以股市的成交量变化来衡量股市的推动力，从而判断股价的走势.

4 实证分析

选取大连商品交易市场中的豆油指数（YL9）数据，选取时间段为2014.05.26～2017.10.24，共835个数据（见图1）.选取开盘价、收盘价、成交量、移动平均线、随机指标、能量潮6个指标，利用前一个交易日的6个指标数据预测下一个交易日的开盘价.

图1 选取的数据的开盘价

运用R语言程序，选用e1071程序包进行实验。为了消除指标间的量纲性，先对数据进行归一化处理，变换形式为：

并做出其拟合图像，用来体现原始数据和预测数据的相关程度，如图2和图3所示.

5 结 论

本文选用豆油期货近期850个数据进行实证分析，采用支持向量回归方法进行建模，结果显示MAE和MSE的数值较小，表明SVR在豆油期货预测中具有可行性，可以判断一定时期内的开盘价走势，对短期内的交易有一定的参考作用.实验中核函数的参数选取对结果有显著的影响，论文采用交叉实验的方式选择最优参数.期货商品大多数为农产品、金属和能源，在长期的交易内，不排除GDP、通货膨胀等经济因素的影响和气候等自然因素的影响，所以SVR在长期预测中还有待深入研究.

参考文献

[1]宋承国.中国期货市场的历史与发展研究[D].苏州：苏州大学社会学院，2010.

[2] 高昂，范雯娟，陈皓.我国大豆期货变动因素的多元回归分析[J].中国物价，2008（6）：10-13.

[3] 赛英，张凤廷，张涛.基于支持向量机的中国股指期货回归预测研究[J].中国管理科学，2013，21（3）：35-39.

[4] 孙德山，钱程，韩国涛. GARCH类模型在我国期货市场预测中的应用研究[J].辽宁师范大学学报，2012.03，35（1）：4-8.

[5] 于航.基于支持向量机模型的股指期货高频交易策略研究[D].北京：北京理工大学数学与统计学院，2015.

[6] CORTES C， VAPNIK V. Support-vector networks[J]. Machine Learning， 1995， 20（3）：273-297.

[7] MARIETTE A， RAHUL K. Support Vector Regression[J]. Neural Information Processing Letters & Reviews， 2007， 11（10）：203-224.