Resumen

Desde una perspectiva macro, el índice de futuros de productos agrícolas puede reflejar la tendencia de la macroeconomía y también puede tener un efecto de alerta temprana sobre la posible crisis y proporcionar una referencia para la previsión económica del gobierno y el control macro. Por lo tanto, es necesario reforzar la investigación sobre la alerta temprana y la predicción del precio de los futuros agrícolas. Para la predicción del precio de los futuros, existen dos tipos de modelos comunes: uno es el modelo clásico tradicional de series temporales, y el otro es el modelo de redes neuronales bajo la onda de la inteligencia artificial. Este trabajo selecciona los datos de cierre de 1976 del índice de futuros agrícolas desde el 10 de enero de 2012 hasta el 27 de febrero de 2020, y utiliza el modelo de media móvil integrada autorregresiva diferencial de series temporales (modelo ARIMA) y el modelo de memoria a largo plazo (modelo LSTM) para estudiar este trabajo, respectivamente, y compara los efectos predichos de los dos modelos en algunas métricas. A partir de los resultados predichos de los dos modelos, se establece una estrategia de negociación sencilla y se comparan los efectos de negociación de los dos modelos. Los resultados muestran que el modelo LSTM tiene una ventaja evidente sobre el modelo de series temporales ARIMA en la predicción del índice de precios del mercado de futuros agrícolas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de serie temporal, modelo lstm, modelo de red neuronal, serie temporal arima, índice de futuro agrícola, mercado de futuro agrícola, serie diferencial autorregresiva, modelo de memoria de términos, estrategia de trading simple, tendencias de la macroeconomía
• Keywords:time series model, lstm model, neural network model, arima time series, agricultural future index, agricultural future market, series differential autoregressive, terms memory model, simple trading strategy, trends of macroeconomy