学位论文 > 优秀研究生学位论文题录展示

基于BP神经网络汇率预测的智能交易系统

作　者: 张宇
导　师: 刘锋
学　校: 安徽大学
专　业: 计算机技术
关键词: 智能交易系统汇率神经网络
分类号: F830.92
类　型: 硕士论文
年　份: 2011年
下　载: 186次
引　用: 0次
阅　读: 论文下载

内容摘要

智能交易系统是现代计算机技术、网络通信技术和人工智能技术在金融交易市场上综合应用。当前世界范围内金融以及金融衍生品的交易主要方式都采用了电子交易方式,其主要内容是利用交易软件(计算机技术)和通过互联网(网络通信技术)实现各种金融产品的买卖、交割。随着人工智能技术的发展以及计算机、通信软件、硬件的升级改进和成本的降低,以前只能为大型金融机构所采用的计算机程序化交易系统愈来越多的走进了我们的日常生活中,众多的金融经纪机构纷纷采用新的软件来吸引广大投资者的参与,电子交易以其交易快捷、低成本、简单易行也越来越被中小投资者接受。在当代世界经济中,国际经济贸易往来是任何国家都不能离开的。伴随着商品、劳务以及资本在国际间的流动,各种为进行支付而跨越国界的货币运动就不可避免。国际经济交往形成外汇的供给与需求,外汇的供给与需求导致外汇交易,随着世界经济全球一体化趋势的不断加强,国际外汇市场也日益紧密地联系在一起。外汇市场作为世界上最大的金融交易市场,是广大投资者关注的重点目标市场。外汇市场是银行等金融机构、自营交易商、大型跨国企业参与的,通过中介机构或网络系统联结的,以各种货币为买卖对象的交易市场。它可以是有形的——如外汇交易所,也可以是无形的——如通过网络系统交易的银行间外汇交易。据国际清算银行最新统计显示,国际外汇市场每日平均交易额约为1.5万亿美元。外汇交易的参与者,按其交易的目的,可以划分为投资者和投机者两类,优秀的外汇投资者和投机者按照各自对外汇市场的理解,形成不同的交易风格和习惯。通过对交易者的行为具体分析,一般可分为以下几个步骤：1、打开交易软件,选定交易对象；2、监视该交易对象的变化趋势,寻找交易机会；3、如果符合交易条件,则进行相应开展买入或卖出交易;4、继续监视交易对象的变化趋势,寻找交易机会；5、交易条件满足,进行交易操作,计算盈亏核算,完成一次交易的循环；6、若继续交易,重复2→3→4→5步。从以上分析可看出,交易行为具有循环性,其核心是监视市场的变化、对交易条件有完整、成熟认知,无论哪种类型的交易者根本目的是为了保值和升值,这就需要交易者采取一套科学、理性、可行的交易策略和交易方式。自从外汇交易市场建立以来,积累了海量的行情数据和交易数据,数据挖掘是从大量数据中演绎、归纳知识的重要手段。通过数据挖掘,可以提炼出外汇市场发展变化的重要信息,对进行外汇交易有良好的指导意义。BP神经网络技术是一种重要的数据挖掘方法,从它诞生以来,以其良好的预测性能在各项领域中得到了广泛的应用。为了提高汇率预测的精确度和可靠性,新的方法和模型不断的出现。神经网络模型是一种数据驱动的模型,其原理是通过学习历史数据来识别数据的生成机制,并利用识别的生成机制来进行预测,神经网络方法的出现,极大地提高了汇率预测的样本内拟合程度,把汇率预测带入了一个新的阶段。本文以建立智能交易系统为研究对象,综述了当前汇率预测的主要研究方法,对建立智能交易系统提出一些见解,采用BP神经网络技术对交易策略中汇率变化趋势进行分析预测,给出在Matlab软件中实现BP神经网络技术预测汇率变化趋势的方法,并结合当前较常见的外汇平台MetaTrade 4中所包含的MetaQuotes Language4语言环境,讨论了如何构建(Expert Advisor.EA)。

全文目录

摘要  3-5
Abstract  5-9
第1章引言  9-17
  1.1 选题背景与研究意义  9-10
  1.2 文献综述  10-15
    1.2.1 智能交易系统(Expert Advisor.EA)的国内外发展现状  10-11
    1.2.2 汇率预测的方法  11-14
    1.2.3 交易系统中需要重视的其他因素  14-15
  1.3 研究内容和论文结构  15-17
第2章智能交易系统  17-25
  2.1 交易系统设计的原则  17-18
    2.1.1 交易系统应该具有完整性  17
    2.1.2 交易系统应该具有客观性  17
    2.1.3 交易系统的设计要注重简单  17-18
    2.1.4 良好的交易系统应具有的特点  18
  2.2 交易系统设计的步骤  18-19
  2.3 汇率预测  19
  2.4 资金管理  19-25
    2.4.1 资金管理在交易过程中变化分析  19-21
    2.4.2 资金管理的风险分析  21-22
    2.4.3 资金管理的止损控制  22-23
    2.4.4 经典的资金管理模型  23-25
第3章神经网络  25-44
  3.1 数据挖掘概述  25-27
    3.1.1 基本概念  25-26
    3.1.2 数据挖掘的功能  26-27
    3.1.3 数据挖掘的方法简介  27
  3.2 神经网络基本原理  27-34
    3.2.1 生物神经元的结构与功能特点  27-28
    3.2.2 神经网络的基本功能  28-30
    3.2.3 一般神经元模型  30-32
    3.2.4 神经元学习算法  32-33
    3.2.5 神经网络的拓扑结构  33-34
  3.3 BP神经网络  34-38
    3.3.1 BP算法的基本原理与特点  35-36
    3.3.2 BP神经网络算法  36-37
    3.3.3 BP算法的主要问题  37-38
    3.3.4 BP模型结构的选择  38
  3.4 利用BP神经网络进行汇率预测  38-44
    3.4.1 选择隐层神经元数  38
    3.4.2 选择学习速率  38-39
    3.4.3 在Matlab中进行BP神经网络汇率预测  39-41
    3.4.4 汇率预测在Matlab中实现  41-44
第4章 MetaQuotes Language 4(MQL4)环境下构建EA  44-51
  4.1 相关MQL4语言知识  44-48
    4.1.1 MQL4语言的基本语法和程序的构成及运行流程  44
    4.1.2 MQL4中与交易相关的交易函数  44-46
    4.1.3 MQL4典型交易例程  46-48
    4.1.4 MQL4调用D11文件  48
  4.2 MQL4语言编写智能交易系统的实例  48-49
  4.3 MT4及MQL4的不足之处  49-51
第5章总结和展望  51-52
参考文献  52-54
附录  54-62
致谢  62

基于BP神经网络汇率预测的智能交易系统

内容摘要

全文目录

相似论文