1、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
2、,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
3、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 12，15，2
4、0 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):5658 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):3541
