2.股指期货预测的方法
　　虽然股票市场作为一个非线性动态系统尤其高度的复杂性，但其运行仍有一定的规律可循。同时，社会经济日益紧密的发展也使得股指期货等的走向与政治、经济、社会的诸多因素紧密相连。传统的数据统计分析方法在高速时刻变化的股票市场已经不在显现出其优越性，因此，今年来，一些新的预测方法被引入金融领域。
　　2.1 神经网络在股指期货预测中的应用
　　20世纪80年代以来，非线性、非平衡的概念开始逐步进入人们的观念，处理这种非线性系统的手段也日渐增多，随着这种方法的科学性逐渐被人们认可以及其计算手段的不断进步，经济分析人员们开始将非线性系统作为一种新的工具引入到经济领域。
　　近几年来，人工神经网络的应用作为非线性系统的延展，在股指期货的预测中起到不可忽视的作用。这种方法能够通过直接利用网络输入输出变量的方式进行训练和修正，以此来确定这些经济变量之间相互的影响和作用。同时需要指出的是，神经网络具有平滑内插的特性，从而可以更好的拟合数据并更加的泛化。

　当前国内对于人工神经网络预测股价的研究，再起结构类型上大致可分为误差犯神经网络、模糊神经网络、小波神经网络、径向基网络和回归神经网络。但需要指出的是，被提出的绝大多数模型都各有其不同的前提切在选取数日变量时缺少科学依据，从而使得建模过程中输入的变量准确性下降，产生许多的不相关变量火舌忽略了重要的变量。另外随着近年来神经网络预测法的盛行，各种预测模型兴起，但是没有明确的概念知名哪种类型的人工神经网络更有利于股指期货的预测。最后，部门高级的技术方法已经被证明可以成功建立有效地新的混合系统，从而有必要对初始值的设定范围进行改进一提高预测速度。
　　2.2 支持向量机在股指期货预测中的应用
　　20世纪90年代，Vapnik提出了支持向量机（Support Vector Machine 简称SVM）的概念。它以统计学习理论为基础，是一种建立在VC维和结构风险最小化原则基础上的一种新的机器学习方法。以其完善的理论基础、学习性能和预测性能得到了广泛的关注和应用。而且，在处理非线性问题时，支持向量机能够将非线性问题转化为高位空间问题并通过一个和函数来进行运算，可以有效避免维数灾难与局部极小问题。
　　当前的支持向量机预测的精准度仍然有待提高。序列的选择和处理如何更加的规范化和科学化仍然有待改进。建立动态的模型和不断加入新的训练样本显然能够在其精准性上有所提升。其次，在核函数的选择上应该更加的谨慎，不同的和函数在分类中往往会产生几种不同的结果，在回归预测中不同的和函数也会对数据拟合的结果产生巨大影响。第三，有别于理论上的方法，在实际应用中，我们往往面对的是海量的数据，因此如何开发快速有效的支持向量算法目前仍是一个有待解决的问题。
参考文献
　　[1]王宝森.股票指数期货交易策略及风险管理研究[D].天津大学,2003,11.
　　[2]武晓炜.基于人工神经网络的股价预测模型研究[D].大连理工大学,2004,6.
　　[3]胡莹.基于支持向量机的证券投资风险管理研究[D].西安电子科技大学,2010,1.
　　[4]李海清.支持向量机在金融市场预测中的作用[D].辽宁师范大

以上就是我们为您准备的“股指期货预测的意义与方法浅析”，更多内容请点击精品学习网论文频道。