基于ＢＰ神經網絡的國際黃金價格預測模型

[摘要] 為了尋找國際黃金價格與道瓊斯工業指數、美國消費者指數，國際黃金儲備等因素之間的內在關系，本文對1972年～2006年間的各項數據首先進行歸一化處理，利用MATLAB神經網絡工具箱進行模擬訓練，建立了基于BP神經網絡的國際黃金價格預測模型。

[關鍵詞] MATLAB BP神經網絡 預測模型 數據歸一化

一、引言

自20世紀70年代初以來的30多年里，世界黃金價格出現了令人瞠目的劇烈變動。20世紀70年代初，每盎司黃金價格僅為30多美元。80年代初，黃金暴漲到每盎司近700美元。本世紀初，黃金價格處于每盎司270美元左右，此后逐年攀升，到2006年5月12日達到了26年高點，每盎司730美元，此后又暴跌，僅一個月時間內就下跌了約160美元，跌幅高達21.9%。最近兩年，黃金價格一度沖高到每盎司900多美元。黃金價格起伏如此之大，本文根據國際黃金價格的影響因素，通過BP神經網絡預測模型來預測長期黃金價格。

二、影響因素

劉曙光和胡再勇證實將觀察期延長為1972年～2006年時，則影響黃金價格的主要因素擴展至包含道瓊斯指數、美國消費者價格指數、美元名義有效匯率、美國聯邦基金利率和世界黃金儲備5個因素。本文利用此觀點，根據1972年～2006年各因素的值來建立神經網絡預測模型。

三、模型構建

1.模型選擇：BP網絡具有理論上能逼近任意非線性函數的能力，將輸入模式映射到輸出模式，只需用已知的模式訓練網絡，通過學習，網絡就有了這種映射能力。

2.樣本數據歸一化：在訓練前，對數據進行歸一化處理，把輸入向量和輸出向量的取值范圍都歸一到[0，1]。

3.BP網絡設計：采用單隱層的BP網絡進行預測，由于輸入樣本為5維的輸入向量，因此輸入層一共有5個神經元，中間層取20個神經元，輸出層一個神經元（即黃金價格），網絡為5*20*1的結構。中間層的傳遞函數為S型正切函數，輸出層為S型對數函數。

中間層的神經元個數很難確定，測試時分別對12，15，20個數進行測試，尋找誤差最小的。

4.網絡訓練:訓練次數epochs5000，訓練目標goal 0.001

對30個樣本數據進行訓練，經過1818次的訓練，目標誤差達到要求，如圖2所示：

5.網絡測試：

神經元個數為20個時誤差最小，此時網絡的仿真結果如圖3所示，預測精度80%以上，效果滿意。

四、結論

在對1976年～2006年的影響國際黃金價格的五種因素的數據進行歸一化處理后，用MATLAB建立的BP神經網絡預測模型進行預測，達到了很好的效果。

國際黃金的長期價格受到許多因素的影響，本文只是對道瓊斯工業指數等影響因素諸如分析，來預測長期的國際金價。還有其他因素，如國際油價，局部政治因素等，如果考慮進去，預測精度會進一步提高。

參考文獻：

[1]徐優麗:基于神經網絡的物流需求預測.浙江樹人大學學報， 2008(01):56～58

[2]劉曙光胡再勇:黃金價格的長期決定因素穩定性分析.世界經濟研究，2008(02):35～41