国际黄金价格预测模型

国际黄金价格预测模型 基于,,神经网络的国际黄金价格预测模型 摘要] 为了寻找国际黄金价格与道琼斯工业指数、美国消费者指数，国际黄金储备等因素之间的内在关系，本文对1972年,2006年间的各项数据首先进行归一化处理，利用MATLAB神经网络工具箱进行模拟训练，建立了基于BP神经网络的国际黄金价格预测模型。 [关键词] MATLAB BP神经网络 预测模型 数据归一化 一、引言 自20世纪70年代初以来的30多年里,世界黄金价格出现了令人瞠目的剧烈变动。20世纪70年代初,每盎司黄金价格仅为30多美元。80年代初,黄金暴涨到每盎司近700美元。本世纪初,黄金价格处于每盎司270美元左右,此后逐年攀升,到2006年5月12日达到了26年高点,每盎司730美元,此后又暴跌,仅一个月时间内就下跌了约160美元,跌幅高达21.9%。最近两年，黄金价格一度冲高到每盎司900多美元。黄金价格起伏如此之大,本文根据国际黄金价格的影响因素，通过BP神经网络预测模型来预测长期黄金价格。 二、影响因素 刘曙光和胡再勇证实将观察期延长为1972年,2006年时,则影响黄金价格的主要因素扩展至包含道琼斯指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率和世界黄金储备5个因素。本文利用此观点，根据1972年,2006年各因素的值来建立神经网络预测模型。 三、模型构建 1.模型选择:BP网络具有理论上能逼近任意非线性函数的能力，将输入模式映射到输出模式，只需用已知的模式训练网络，通过学习，网络就有了这种映射能力。 2.样本数据归一化:在训练前，对数据进行归一化处理，把输入向量和输出向量的取值 范围都归一到[0，1]。 3.BP网络设计:采用单隐层的BP网络进行预测，由于输入样本为5维的输入向量，因此输入层一共有5个神经元，中间层取20个神经元，输出层一个神经元(即黄金价格)，网络为5*20*1的结构。中间层的传递函数为S型正切函数，输出层为S型对数函数。 中间层的神经元个数很难确定，测试时分别对12，15，20个数进行测试，寻找误差最小的。 4.网络训练:训练次数epochs5000,训练目标goal 0.001 对30个样本数据进行训练，经过1818次的训练，目标误差达到要求，如图2所示: 5.网络测试: 神经元个数为20个时误差最小，此时网络的仿真结果如图3所示，预测精度80%以上，效 果满意。 四、结论 在对1976年,2006年的影响国际黄金价格的五种因素的数据进行归一化处理后，用MATLAB建立的BP神经网络预测模型进行预测，达到了很好的效果。 国际黄金的长期价格受到许多因素的影响，本文只是对道琼斯工业指数等影响因素诸如分析，来预测长期的国际金价。还有其他因素，如国际油价，局部政治因素等，如果考虑进去，预测精度会进一步提高。 参考文献: [1]徐优丽:基于神经网络的物流需求预测.浙江树人大学学报, 2008(01):56,58 [2]刘曙光胡再勇:黄金价格的长期决定因素稳定性分析.世界经济研究,2008(02):35,41