本站原创[摘 要]为了寻找国际黄金与道琼斯工业指数、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预测模型.
[关 键 词]MATLABBP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,世界黄金出现了令人瞠目的剧烈变动.20世纪70年代初,每盎司黄金仅为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,黄金一度冲高到每盎司900多美元.黄金起伏如此之大,本文根据国际黄金的影响因素,通过BP神经网络预测模型来预测长期黄金.
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,则影响黄金的主要因素扩展至包含道琼斯指数、美国消费者指数、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）,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goal0.001
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.