基于分解集成的LSTM神经网络模型的油价预测
2021-10-18高海翔余乐安北京化工大学经济管理学院北京100029
计算机应用与软件 2021年10期
高海翔 胡 瑜 余乐安(北京化工大学经济管理学院 北京 100029)
0 引 言
全球经济的发展和社会的稳定与国际原油市场价格波动相关联,原油作为全球经济市场上一种特殊的货物,其价格基本上由供需关系决定[1],但是也容易受到一些不规则的事件影响,例如天气、库存水平、GDP增长、政治因素,甚至是心理预期。这些因素导致了原油市场剧烈波动,具有复杂的非线性、高波动性和不规则的特点[2]。通过观察可以看出,一个国家经济的发展容易受油价波动的干扰,并且存在两个不同的方面。一方面,石油进口国的通货膨胀可能受油价的急剧上涨而加速,从而给该国的经济造成不利的影响;另一个方面,原油价格下跌会给石油出口国带来严重的预算赤字问题[3]。因此,不难得知在这个变化不定的国际原油商品市场中,无论是政策制定者还是经济组织,如果及时地掌握油价的波动走势,并且对其进行准确的预测,那么就能够更好地维护企业和国家利益。基于这些原因,波动的油价引起了许多机构、商业从业者和研究者的极大兴趣,油价预测成为了一个非常重要的研究课题。
在过去的几十年中,传统的统计与计量经济模型被广泛地运用到原油价格预测。例如,Huntington[4]应用复杂的计量经济模型预测原油价格。Barone-Adesi等[5]提出了一种半参数方法预测,取得了良好的预测效果。Lanza等[6]使用误差修正模型(ECM)计算原油和成品油的价格。在油价的短期预测方面,侯璐[7]结合定量和定性分析技术,应用ARIMA来构建新的预测方法来评判原油未来价格趋势。……
登录APP查看全文
