基于壓縮感知的國際油價預(yù)測方法研究.pdf

1、國際原油價格自從1970年開始頻繁波動。它不僅受到基本的供求影響，同時也受到許多其他因素的綜合影響，包括天氣、存貨水平、經(jīng)濟(jì)增長、政治因素、心理期待甚至是一些非常規(guī)突發(fā)事件。多因素的影響導(dǎo)致原油價格序列呈現(xiàn)出非線性、非平穩(wěn)性、季節(jié)性、不規(guī)則性能一系列復(fù)雜特征。在這種情況下，本文引入了一種新的基于壓縮感知的人工智能預(yù)測方法來預(yù)測原油價格。
　　具體來說，該方法引入了壓縮感知的兩種技術(shù)，分別為壓縮感知去噪方法和稀疏分解方法并將其作為原

2、油價格序列的預(yù)處理方法，然后基于這兩種數(shù)據(jù)處理方法分別構(gòu)造了兩種模型。一種是基于壓縮感知去噪的人工智能預(yù)測模型，另一種是基于稀疏分解的分解集成預(yù)測模型。
　　基于壓縮感知去噪的人工智能預(yù)測模型是基于去噪預(yù)測的思想，首先采用壓縮感知去噪方法來對原始油價序列進(jìn)行去噪的預(yù)處理，以減少噪聲數(shù)據(jù)對人工智能預(yù)測方法建模效果的影響，然后使用智能預(yù)測算法對去噪后的數(shù)據(jù)進(jìn)行建模和預(yù)測。
　　基于稀疏分解的分解集成預(yù)測模型是基于分解集成預(yù)測的思

3、想，首先根據(jù)原油價格序列所表現(xiàn)出來的多種特性，構(gòu)造了一個過完備字典，并基于該字典將原油價格序列分解為不同的特征分量，然后使用前饋神經(jīng)網(wǎng)絡(luò)對分量進(jìn)行建模和預(yù)測，最后將各個預(yù)測結(jié)果集成為最終的預(yù)測結(jié)果。
　　本文對基于壓縮感知的兩種模型分別使用了WTI的日度原油價格和月度原油價格來進(jìn)行實(shí)證分析，并得出以下結(jié)論:一方面，基于壓縮感知的兩種預(yù)測模型與基準(zhǔn)模型比較時均獲得最高的預(yù)測精度，表明基于壓縮感知的預(yù)測方法的有效性;另一方面，在不同數(shù)