基于不確定性的國(guó)際油價(jià)預(yù)測(cè)研究.pdf

1、石油是各國(guó)競(jìng)相爭(zhēng)奪的重要能源，也是各國(guó)工業(yè)發(fā)展的血液。石油價(jià)格波動(dòng)不僅影響著國(guó)內(nèi)經(jīng)濟(jì)的正常運(yùn)行，也是世界經(jīng)濟(jì)、政治變化的主要驅(qū)動(dòng)因素之一。反之，其價(jià)格變化主要在于市場(chǎng)供需平衡的動(dòng)態(tài)變化、全球經(jīng)濟(jì)、國(guó)際政治、市場(chǎng)投機(jī)、突發(fā)性事件等。基于上述背景，油價(jià)波動(dòng)形態(tài)難以精準(zhǔn)把握。為了提升國(guó)際油價(jià)預(yù)測(cè)精度，并減少預(yù)測(cè)復(fù)雜度，本文著眼于國(guó)際油價(jià)屬性分析與預(yù)測(cè)模型優(yōu)化兩個(gè)要點(diǎn)對(duì)油價(jià)因素進(jìn)行解釋并對(duì)油價(jià)預(yù)測(cè)模型進(jìn)行改進(jìn)，構(gòu)建了基于不確定性因素的國(guó)際油價(jià)屬

2、性分析、基于不確定性集成因素的國(guó)際油價(jià)預(yù)測(cè)模型以及基于不確定性參數(shù)的LSSVR模型優(yōu)化研究，具體研究?jī)?nèi)容如下:
　　(1)基于不確定性因素的國(guó)際油價(jià)屬性分析
　　本文通過(guò)集成經(jīng)驗(yàn)?zāi)B(tài)分解方法EEMD與關(guān)聯(lián)分析（格蘭杰因果檢驗(yàn)和主成分分析/線性回歸）的有機(jī)結(jié)合，構(gòu)建了油價(jià)屬性分析框架。依據(jù)國(guó)際油價(jià)三類主要影響因素——供需關(guān)系、經(jīng)濟(jì)因素以及網(wǎng)絡(luò)大數(shù)據(jù)（谷歌趨勢(shì)），對(duì)分解分量序列、重構(gòu)分量以及原始序列進(jìn)行關(guān)聯(lián)分析，從而獲取國(guó)際油價(jià)

3、的核心影響因素，以此為期波動(dòng)提供合理的解釋。實(shí)證研究結(jié)果表明:不同波動(dòng)頻率承載的波動(dòng)因素不同，且眾多高頻序列均受到經(jīng)濟(jì)因素的影響，而低頻序列的線性趨勢(shì)較強(qiáng)反而在屬性解釋上存在局限性。另外，谷歌趨勢(shì)作為網(wǎng)絡(luò)輿情的一種體現(xiàn)形式，它對(duì)油價(jià)趨勢(shì)形成也有極強(qiáng)的關(guān)聯(lián)性。
　　(2)基于不確定性集成因素的國(guó)際油價(jià)預(yù)測(cè)研究
　　本文著眼于預(yù)測(cè)模型優(yōu)化，基于屬性分析的成果，將油價(jià)主要驅(qū)動(dòng)因素以集成序列的形式引入到預(yù)測(cè)過(guò)程中，以外部變量的形式參

4、與模型構(gòu)建，進(jìn)而實(shí)現(xiàn)基于不確定性集成因素的國(guó)際油價(jià)預(yù)測(cè)研究。本文模型優(yōu)化的過(guò)程中，選用兩類常用的時(shí)間序列預(yù)測(cè)模型對(duì)該框架的進(jìn)行實(shí)證研究，分析其改進(jìn)程度。實(shí)證研究表明:該模型對(duì)因素集成方法具有依賴性。通過(guò)線性PCA或線性回歸方法得到的集成因素序列對(duì)線性計(jì)量模型具有顯著的提升效果，反而對(duì)非線性模型具有一定的抑制效果。綜上所述，不同的集成方法會(huì)產(chǎn)生不同的預(yù)測(cè)效果。
　　(3)基于不確定性參數(shù)的LSSVR模型集成預(yù)測(cè)研究
　　本文將

5、模型自定義參數(shù)作為不確定（或隨機(jī)）因子，從而構(gòu)建Uncertain-LSSVR集成學(xué)習(xí)模型。該模型通過(guò)四個(gè)步驟:格點(diǎn)法獲取參數(shù)的上下邊界(low upper bound estimation，LUBE)進(jìn)而定義參數(shù)生成的概率分布、根據(jù)概率分布產(chǎn)生在隨機(jī)參數(shù)集合、構(gòu)建不同獨(dú)立LSSVR子模型、加權(quán)集成單預(yù)測(cè)結(jié)果。通過(guò)與PSO、GA、FA等優(yōu)化方法所建模型的效果對(duì)比，證明了基于不確定性參數(shù)的LSSVR集成預(yù)測(cè)方法的有效性，為參數(shù)優(yōu)化提供了多