玉米和大豆期货价格智能预测的科研进展.docx

《玉米和大豆期货价格智能预测的科研进展.docx》由会员分享，可在线阅读，更多相关《玉米和大豆期货价格智能预测的科研进展.docx（3页珍藏版）》请在第一文库网上搜索。

1、深度学习应用，玉米和大豆期货价格智能预测科研进展玉米和大豆为同季旱粮作物，生长周期相同，几年出现了间作套种技术，造成两种作物争地矛盾突出，成熟期接近，这就为期货、现货的金融市场造成了风口。玉米大豆作为常见农作物,其生育进程所需的温、光、水尽可能与最佳季节同步，是高产的前提。当气温稳定通过10C时（85%以上概率），土壤含水量达到田间持水量6570%。受到天气影响其产量与价格存在波动。掌握玉米和大豆两者的价格是必要的，其期货价格分析和预测，对种植结构调整和，农户作物品种选择均具有重要意义。相较于现货，农产品期货价格具有价格发现功能。针对玉米大豆的期货预测，中国科学院自动化研究所与中国科学院大学等

2、机构，展开了跨越复杂系统管理与控制、人工智能、智能化技术与系统工程等学科的研究。该研究从分析玉米和大豆期货价格的相关性，通过相关性计算和格兰杰因果（基于预测的因果关系统计概念）检验，确定玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因。再次，基于长短时记忆（长短期记忆，是RNN的一种）模型对玉米和大豆期货价格进行预测，并引入注意力机制对期货价格预测模型进行优化。0II2004/6/2275182010/5/22013/4/162016/3/312019/3/162023/2/28日期大豆玉米对比结果表明，与差分整合移动平均自回归模型（整合移动平均自回归模型（移动也可

3、称作滑动），是时间序列预测分析方法之一）和支持向量回归模型（将支持向量机的思想推广到回归问题中）相比，1STM模型在各项指标中均为更优，而与单一的1STM模型相比，加入Attention机制的Attention-1STM模型在各项指标中均更优。其中，玉米和大豆期货预测结果的平均绝对误差（所有单个观测值与算术平均值的偏差的绝对值的平均）分别提升3.8%和3.3%,均方根误差（即标准误差）分别提升0.6%和1.8%,平均绝对百分误差（平均绝对百分比误差，一种相对度量）分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息，提升性能。真实值一1STMAttention-1STM最后，使用1STM模型结合大豆期货历史价格共同预测玉米期货价格，MAE提升了6.9%、RMSE提升了11%、MAPE提升了5.3%。该项研究基于深度学习，科学提升了大豆和玉米期货价格预测精度，且结合相关农产品期货价格数据，可以提升单个农产品期货模型的预测性能。