内容提要

l  人工神经网络（Artificial Neural Network）是模仿人类神经网络中神经元互联结构以及网络在接收外部信息时表现出的“响应”机制，人工搭建的一种仿生数据处理模型。BP神经网络（Back Propagation）是一种按误差逆向传播算法进行训练的多层前馈人工神经网络，是目前应用最为广泛的神经网络模型之一，它处理能力强、信息存储量大、容错性好、适应能力强。

l  主成分分析法（Principal Component Analysis, PCA）是一种将多维指标转化为维度较少的综合指标的数据处理方法。它的本质是线性正交变换，通过保留对方差贡献较多的子集来实现数据降维。

l  我们通过铁矿石产业链框架寻找影响其价格的因子，使用主成分分析法将原始数据降维去除冗余信息，基于BP神经网络模型建立对期货周度平均收盘价的预测模型。实证结果表明，神经网络模型的学习能力较强，训练效果满足预期，但外推泛化能力仍不够好，在绝对数值上的拟合度不好，但是在价格涨跌的方向性判断上正确率比较理想。动态建模的方法能够减小绝对数值拟合上的误差。

基于BP神经网络模型的铁矿石价格预测研究——兴证期货金融工程专题报告.pdf