随着我国经济的发展壮大,对原材料的需求越来越大。期货市场作为金融市场的-重要组成部分,交易着各种原材料期货,且期货市场有着规避风险、价格发现、资产配置的功能。因此研究期货市场的价格变化趋势对于企业稳健发展有着重要作用。期货价格时间序列数据是期货市场上经过一定时间进行交易所形成的历史交易数据,由多重因素综合作用形成的,是过去一段时间期货市场运动特征的外在表现,本文选择期货指数时间序列预测作为研究问题。铜作为交易活跃的期货品种,因此本文以上海期货交易所的沪铜指数为研究对象,提取了该期货从2000年到2017年总共17年的历史收盘价交易数据,并在此数据上进行实证研究,进行全时域的预测,以追求更高的收益率为目标。本文基于场景叠加思路建立组合模型对期货指数进行预测。主要完成以下工作:(1)提出场景叠加的预测方法。通过对文献的总结,时间序列的预测方法可以分为三类:传统模型预测、智能模型预测和组合模型预测。单模型在一些特定的、短期的场景下能起到良好的预测效果,组合模型预测能弥补单模型预测的缺陷,但在进行预测研究之前,常常要对时间序列进行分段处理,将不同子序列的结果综合起来。而场景叠加的方式则是通过严格的参数来定义不同的场景,将时间序列的样本点根据场景进行分类,建立起刻画变量进行描述和研究,最后将不同场景的研究结果叠加起来,从而避免分段处理。(2)通过多维近邻比较法选择合适的拟合模型。本文分别使用了移动平均模型、指数平滑模型和人工神经网络模型对时间序列进行拟合,根据拟合曲线的拟合拐点对期货指数进行预测,出现极大值拐点时预测期货指数未来价格下降,出现极小值拐点时预测期货指数未来价格上涨;计算这三种模型在不同参数下的年化收益率,通过年化收益率得到模型的最优参数:通过比较这三种模型在最优参数下的年化收益率和夏普比率,对模型进行筛选,将年化收益率和夏普比率都更低的人工神经网络模型排除,由于移动平均模型和指数平滑模型的指标效果相近,采用包含优秀结果的分散程度、优秀结果对应参数位置分散程度和优秀结果平均值三方因素的多维近邻比较法,最终选择移动平均模型作为最合适拟合模型。(3)发现和分析导致收益率下降的场景因素。本文针对收益率曲线下降的问题,统计不同幅度的收益率回撤数量,计算时间序列标准差,根据收益率回撤点与时间序列标准差曲线的位置关系观察收益率下降与场景的关系,发现收益率回撤点附近指数序列常出现有价格尖峰和窄幅震荡两种场景,本文将尖峰场景作为重点研究内容。用快速的移动平均模型和指数平滑模型拟合时间序列,定义尖峰拐点和有效尖峰拐点,设计尖峰寻找算法和模型评价参数。通过不同阈值下的尖峰数量和有效率的比较方法研究,最终形成有效的参数选择策略和可选参数方案。在这两种模型的选择上,下尖峰采用移动平均模型能取得更好的效果,上尖峰则是指数平滑模型略好一点。(4)建立决策树模型和支持向量机模型对尖峰拐点的未来方向进行预测。本文选择快速移动平均模型确认尖峰拐点,其他参数选择比上文确定的合理范围略微扩大,设计和计算尖峰拐点的特征向量,按年份构建训练和预测方案,对模型进行训练和预测,将模型预测有效的尖峰拐点同拟合曲线的拟合拐点叠加,共同对期货指数进行预测,同拟合拐点预测所得的年化收益率进行比较。通过比较,剪枝决策树的效果明显好于普通决策树模型,支持向量机模型的预测效果好于剪枝决策树模型。再将剪枝决策树模型和支持向量机模型进行叠加,其效果与支持向量机模型要差。本文的研究效果表明,场景叠加和多维近邻比较法这两种创新思路,能够建立有效的组合化模型预测方案。尽管本文只使用了沪铜指数进行研究,但对其它的期货品种预测研究也具备适用性。