效果好到爆炸,用GRU+LSTM复合神经模型预测铝价

财富   财经   2024-05-19 11:10   浙江  

关于作者


    嗨,你好。我是奇文,在大宗商品和贸易圈从业20年,现任职于一家为大宗商品企业提供咨询和IT服务的公司^_^,让我们一起聊聊大宗商品行业那些事儿。

    免责声明:本内容依据公开内容写作,仅代表作者个人观点,与公司或其他机构无关。本内容不构成投资建议或暗示,请审慎判断并自行承担与此相关的投资风险,不对因使用本次内容所导致的任何损失承担任何责任。

朋友们,前两天,我贴出了LSTM模型,用历史的期货结算价格预测下一日期货结算价格的测试结果,具体内容可以看《基于LSTM神经网络预测金属AL铝价的测试与观》,然后有朋友留言,觉得需要做预测价格和前一天的收盘价的比较。

我觉得采用历史价格预测下一日的价格的做法,意义有限。改进方向是采用宏观面+基本面等特征值数据,用复合模型加以提升。

简单来说,就是采用复合的神经网络,让机器真正模拟人的思考过程,基于宏观面、基本面和盘面等数据,以及当天的期货市场收盘价格,来预测下一天的期货收盘价格。

经过三天的倒腾,我把这个模型做出来,效果好到爆炸。

01

数据选择


    我在万得选了16个指标,包括宏观面+基本面+盘面数据,作为预测依据,包括:

  • 中国:平均价:铝:上海物贸

  • 佛山:平均价(批售含票):铝(A00,国产)

  • 华东:市场报价:铝锭(AL99.7):中铝

  • 升贴水:LME铝(0-3)

  • 期货收盘价(场内盘):LME3个月铝    

  • 期货成交量(活跃合约):铝

  • 期货持仓量(活跃合约):铝  

  • LME铝:库存:合计:全球

  • 山西:平均价:氧化铝(一级)

  • 中国:iCPI:交通和通信:日环比    

  • 中国:市场价:铝锭(A00)

  • 中国高频经济活动指数     

  • 中国:中间价:美元兑人民币

  • 中国:互联网搜索指数:失业

  • 中国:价格:铝合金:废铝(ADC12,国产)

  • 期货结算价(连续):WTI原油:

这些指标只是跟铝期货价格变动因素,但是我也只是随手选了,没有做主成分分析之类的。

然后在万得选了期货主力收盘价作为预测目标。因为万得没有期货结算价。

02

测试模型


1、数据组成

跟上次一样,22-23年的数据作为训练数据,24年的数据作为测试数据。

2、模型设计

用GRU(你也可以理解为LSTM,具体的解释见上一篇内容),处理16个指标数据;用LSTM,处理目标价格;处理完了以后,让模型预测下一个交易日的收盘价格。

3、模型结构

这个说起来比较复杂一点了。这个模型结构我也是参考了论文。GRU用来处理输入的特征值,而LSTM用来处理以价格,两者结合之后,在DENSE层进行预测价格输出。

16个基本面因素作为特征值,采用GRU方式处理,GRU的神经网络模型总计五层,GRU三层、正则化层两层、全连接层一层,单步多维序列回归输入数据为[16,5]的矩阵形式。

训练的价格数据,采用LSTM方式处理,要求LSTM神经网络隐含层的个数都设置为2层。神经元的个数Units第一层设置为95,第二层设置为100。

神经网络各隐含层以及输出层,选取sigmoid作为模型的激活函数。

DENSE层进行价格预测的时候,batch_size单批次输入数据量大小选择为64。

03

训练和测试结果

1、 训练数据结果


GRU+LSTM模型训练结果



2、 测试数据结果




                              GRU+LSTM模型测试结果



3、 跟单层LSTM比较

大家可以跟上一篇的内容比较一下。

  • 训练数据的R方,从基于价格的单层LSTM的0.95,提升到了0.99。

  • 测试数据的R方,从基于价格的单层LSTM的0.93不到,提升到了将近0.99,基本训练数据和测试数据的结果没有衰退。

单层LSTM训练数据

单层LSTM测试数据

  • 更为重要的是时间滞后效应基本消失了。

大家可以比较一下混合模型对于铝收盘价的预测,以及单层LSTM模型对于铝结算价的预测,很容易就可以发现这一点。由于收盘价肯定要比结算价来的波动率大,因此如果改成混合模型对结算价的预测,我相信结果会更好一些。

单层LSTM预测2024年铝期货收盘价

 所以,总体来说,采用宏观面+基本面数据的16个数据,用GRU+LSTM混合模型预测,效果很不错。下次可以对其他产品进行一下测试。

好了,以上就是今天的内容。欢迎大家交流,也欢迎大家用KIMI或者问答机器人进行查询。




奇文闲谈大宗商品




奇文闲谈大宗商品
闲谈大宗商品行业与企业运营、业务模式与风险管理、IT系统建设与数据分析、个人成长与职场感悟那些事儿。