金融论文哪里有？本文选取收盘价、开盘价、前收盘价、最高价、最低价、涨跌幅、成交量、成交额八个主要行情指标，归一化处理各类数据，搭建基础模型训练框架。并依次融入宏观经济特征、投资者情绪特征以及行业特征。
第1章绪论
1.4本文的主要贡献
在模型构造方面，本文选用深度学习领域前沿的NBEATSx模型。以往的股指期货价格预测模型通常存在预测性能不佳、可解释性不强、训练速度偏慢等问题，而NBEATSx模型的优势不仅在于能够获得准确性高的预测结果并且训练速度快，其预测结果还具有对趋势性、季节性等时序变化的可解释能力。国外相关研究表明，其预测精度与速度相较于传统模型均有了显著提高，具有更加广泛的适用性。但是NBEATSx模型近年来在国外刚刚兴起，目前国内尚未有相关研究运用该模型进行价格时间序列预测。因此，本文创新性地将其运用于股指期货价格预测领域，为投资者提供新的思路和参考。
在指标选取上，国内运用深度学习模型对股指期货价格进行预测的文献大多只使用了开盘价、收盘价、最高价、最低价、成交量等行情指标。本文参照了股票、商品期货等其他金融时序问题的研究，构造了一系列技术指标：第一，宏观经济运行状况对股指期货价格变动存在重大影响，本文选用CPI、PPI、GDP等构建宏观经济指标；第二，投资者情绪通过影响交易行为最终影响股指期货的价格水平，本文运用网络财经新闻信息设计市场投资者情绪指标；第三，行业轮动现象的存在使得价格预测结果可能会随着行业变动、行业划分等因素的变化而发生变化，本研究结合时间序列分类算法设计行业指标新因子，将股指期货与大盘行业分类挂钩，共同作为后续模型研究的输入变量。在交易策略回测方面，本文通过整合阻力支撑水平、相对强度和均线等因子进行RSRS交易策略的构建，在回测中能够更全面地捕捉市场的动态，提高交易决策的准确性和效果。
第3章股指期货价格预测的问题描述与分析
3.1股指期货时间序列预测中的问题
3.1.1时间序列预测的复杂性
时间序列分析预测是一种通过将数据按时间排序，并利用统计方法分析这些数据随时间变化的规律，从而对未来某个时间点或时间段数据进行预测的技术。这种方法基于随机过程理论、数理统计学等相关理论，旨在揭示数据随时间变化的内在统计规律。在股指期货价格预测中，时间序列分析方法将价格数据视为一种按时间顺序排列的连续数据流，通过分析这一序列的规律和趋势来预测未来价格走势。在这个过程中可能存在以下几个问题：（1）非线性和非平稳性：股指期货价格往往受到多种非线性和非平稳性因素的影响，如市场情绪、宏观经济指标、政策变化等。一些传统的时间序列分析方法基于线性和平稳性的假设，因而难以充分捕捉这些非线性和非平稳性的影响。（2）预测精度低以及预测值滞后：在实际应用中，股指期货的价格预测面临着数据稀缺性带来的挑战，尤其是对于较新上市的合约。例如，上证50和中证500股指期货合约自2015年4月16日起交易，其交易天数相较于2010年4月16日上市的沪深300股指期货合约要少，预测精度也会降低。而且价格预测通常基于主力合约，而主力合约自身的变动导致了时间序列的不连续。这种不连续性削弱了时间序列分析在价格预测上的效果，并可能导致预测结果出现滞后。因为预测是基于历史数据进行的，所以预测结果往往滞后于实际价格变动。（3）低频和高频数据的混合：股指期货市场中可能同时存在低频（周或日）和高频（分钟或秒）的交易数据，这种混合可能导致建模时的挑战。不同频率的数据可能反映不同的市场动态，而传统的时间序列方法可能难以有效整合这些数据。
第5章股指期货价格预测方案的有效性检验
5.1不同市场环境下NBEATSx多特征融合模型的预测表现
股票市场是一个复杂的金融市场，在不同的市场环境下，交易策略和模型预测的有效性可能会有显著的差异。通过区分市场环境，可以更精确地评估策略的适应性和鲁棒性。其中牛市和熊市就是最常见的两种市场趋势，它们对投资者的投资策略和决策具有重要影响。牛市指的是股票市场的整体上涨趋势，投资者普遍持乐观态度，并且股票价格持续上涨。相反，熊市指的是股票市场的整体下跌趋势，投资者普遍持悲观态度，并且股票价格持续下跌。在这两种状态交替出现的过程中，投资者可以采用不同的投资策略，以获得最大的收益。
在前文实验的训练集与测试集划分中，所划出的趋势预测期间为2021年3月16日-2022年12月31日，该时间段我国股市处于熊市，呈现持续下跌的市场行情。为验证本文所设计方案在不同市场环境下的可行性和有效性，本文将研究的时间区间调整为2014年1月1日-2021年1月29日，在训练集与预测集比例划分仍为8：2的情况下，预测期间为2019年8月29日-2021年1月29日，该时间区间内我国股市处于牛市状态。从预测结果中可以看出，NBEATSx多特征融合模型对于该时间段的预测效果仍然较好，各项指标表现良好，预测走势图也与真实价格贴近，说明本文所设计模型可应用于各种市场环境下的价格预测。
5.2不同股指期货在NBEATSx多特征融合模型下的预测表现
为验证本文设计的模型对于股指期货价格预测具有普遍适用性，所构建指标对模型有提升作用，本文运用NBEATSx多特征融合模型对上证50股指期货以及中证500股指期货的价格进行预测。通过分析预测结果可知，在上证50股指期货数据集下，NBEATSx基础模型下所得RMSE值为0.01886，MAE值为0.01467，MAPE值为2.73138，R2为0.97802，拟合效果较优，而在添加了宏观经济、投资者情绪、行业特征后，模型的预测效果得到了进一步提升。在中证500股指期货数据集下，NBEATSx基础模型下所得RMSE值为0.01927，MAE值为0.01633，MAPE值为2.58793，R2为0.97529，同样在添加了宏观经济、投资者情绪、行业三类特征后，模型的拟合效果得到了提升。说明本文所采用的NBEATSx多特征融合模型在股指期货价格预测中具有普适性。不仅在沪深300股指期货上取得了良好的效果，而且在上证50以及中证500股指期货上同样呈现出出色的预测性能。这意味着该模型及其设计的多特征融合不仅在特定市场情境下适用，而且在不同股指期货的价格预测中都具有实践意义。
第6章结论与展望
6.2政策建议
基于对股指期货价格预测的深入研究，本文不仅揭示了市场价格变动的内在规律，而且为进一步提高市场效率和政策制定提供了有益的启示。因此，鉴于股指期货市场在资产定价和风险管理方面的重要性，以及价格预测对于市场参与者决策的指导意义，本文将从政策层面出发，针对股指期货市场的监管、发展及完善提出相应的建议，以期促进我国股指期货市场的长远发展，提升价格预测的准确性和市场效率，从而为投资者提供更加公平、透明的交易环境。
第一，优化投资者结构，降低期货市场投资门槛。在期货市场，可以通过降低股指期货交易的参与门槛，增加个人投资者的数量，加大了期货交易的频率，来降低波动性，这样更便于投资者进行价格预测。我国股指期货市场交易门槛较高，对客户开户资格也有初次入金要求，拦住了非常多的个人投资者，降低了个人投资者的参与度，期货市场还有很大的发展空间。因此建议降低我国股指期货的门槛，向个人投资者进行期货知识和体制的推广，增加个人投资者数量，降低期货交易价格的波动性，以便于更准确的进行价格预测。若股指期货市场能够吸引大量个人投资者的参与，就能够在一定程度上避免股指期货市场被操纵，降低价格的波动，使得股指期货市场能够平稳运行。但在发展过程中也应避免盲目引入，在逐步优化投资者结构的同时，必须强化对投资者的专业知识和风险意识的教育。通过有效的宣传和培训措施，防止投资者对股指期货的误用和滥用。另外，也应当引导证券公司自营业务、期货经纪公司等投资机构的建立，积极完善期货市场结构，构建多层次金融体系，提升金融服务的质量和效率[60]。
参考文献（略）
