高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于混合模型的国际原油价格预测研究

张金良,李德智,谭忠富

downloadPDF
文章导航> bob手机在线登陆学报（社会科学版）> 2019> (1): 59-64
张金良, 李德智, 谭忠富. 基于混合模型的国际原油价格预测研究[J]. bob手机在线登陆学报（社会科学版）, 2019, (1): 59-64. doi: 10.15918/j.jbitss1009-3370.2019.2061
引用本文: 张金良, 李德智, 谭忠富. 基于混合模型的国际原油价格预测研究[J]. bob手机在线登陆学报（社会科学版）, 2019, (1): 59-64.doi:10.15918/j.jbitss1009-3370.2019.2061
shu
ZHANG Jinliang, LI Dezhi, TAN Zhongfu. International Crude Oil Price Forecasting based on a Hybrid Model[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2019, (1): 59-64. doi: 10.15918/j.jbitss1009-3370.2019.2061
Citation: ZHANG Jinliang, LI Dezhi, TAN Zhongfu. International Crude Oil Price Forecasting based on a Hybrid Model[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2019, (1): 59-64.doi:10.15918/j.jbitss1009-3370.2019.2061
shu

基于混合模型的国际原油价格预测研究

doi:10.15918/j.jbitss1009-3370.2019.2061
  • 1.

    华北电力大学 经济与管理学院, 北京 102206

  • 2.

    中国电力科学研究院有限公司 用电与能效研究所, 北京 100192

基金项目:

国家自然科学基金资助项目（71774054）;国家电网公司科技项目资助（YDB17201600102）;中央高校基本科研业务费专项资金资助项目（2017MS081）

详细信息

  • 中图分类号:F224

International Crude Oil Price Forecasting based on a Hybrid Model

  • 1.

    School of Economics and Management, North China Electric Power University, Beijing 102206, China

  • 2.

    Department of Power Consumption & Energy Efficiency, China Electric Power Research Institute, Beijing 100192, China

  • 摘要:由于国际原油价格的剧烈波动，使得准确的原油价格预测极具挑战。为此，提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量；针对周期性和非线性特征分量，分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测；将各分量的预测值求和作为最终的预测结果。实证研究结果表明：所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。
    Abstract:Due to the serious fluctuations of international crude oil price, to accurately forecast crude oil price is very challenging. Therefore,a hybrid model based on variational mode decomposition(VMD),seasonal autoregressive integrated moving average (SARIMA)and least squares support vector machine(LSSVM)optimized by fruit fly optimization algorithm(FOA)was proposed. First, the international crude oil price series was decomposed into some mode components by VMD. Then,the SARIMA and LSSVM-FOA were established for periodic and nonlinear components, respectively. Finally, the summation of the forecast values of each component was used as the final forecasting result. Empirical results show that the proposed hybrid model can significantly improve the forecasting accuracy of international crude oil price compared with other models.
  • [1] 徐凌,黎佳卉,李亮. ARIMA模型在国际原油价格预测中的应用[J]. 河南科学,2013,31(5):692-695.
    [2] 包湘海,李思敏,顾海兵. 国际原油价格长期趋势预测——基于周期分析的视角[J]. 价格理论与实践,2014(12):59-62.
    [3] 熊熊,李璇. 国际原油价格预测研究[J]. 重庆理工大学学报(自然科学版),2016,30(1):48-53.
    [4] SHIN H,HOU T,PARK K,et al. Prediction of movement direction in crude oil prices based on semi-supervised learning[J]. Decision Support Systems,2013,55:348-358.
    [5] 范秋枫,王涛,张智峰. 量子粒子群智能算法在国际布伦特原油价格预测中的应用[J]. 模糊系统与数学,2017(4):84-90.
    [6] YU L,XU H J,TANG L. LSSVR ensemble learning with uncertain parameters for crude oil price forecasting[J]. Applied Soft Computing,2017,56:692-701.
    [7] ZHAO Y,LI J P. A deep learning ensemble approach for crude oil price forecasting[J]. Energy Economics,2017,66:9-16.
    [8] 张金良,谭忠富. 基于混合模型的原油价格混沌预测方法[J]. 运筹与管理,2013,22(5):166-172.
    [9] 杨云飞,鲍玉昆,胡忠义,等. 基于EMD和SVMs的原油价格预测方法[J]. 管理学报,2015,7(12):1884-1889.
    [10] ZHANG J L,ZHANG Y J,ZHANG L. A novel hybrid method for crude oil price forecasting[J]. Energy Economics,2015,49:649-659.
    [11] AZEVEDO V G,CAMPOS L M S. Combination of forecasts for the price of crude oil on the spot market[J]. International Journal of Production Research,2016,54:1-17.
    [12] SAFARI A,DAVALLOU M. Oil price forecasting using a hybrid model[J]. Energy,2018,148:49-58.
    [13] FANG T T,LAHDELMA T. Evaluation of a multiple linear regression model and SARIMA model in forecasting heat demand for district heating system[J]. Applied Energy,2016,179:544-552.
    [14] TADESSE K,DINKA M. Application of SARIMA model to forecasting monthly flows in Waterval River,South Africa[J]. Journal of Water and Land Development,2017,35(1):229-236.
    [15] 金玮. 基于周期性分量提取的城市快速路交通流短时预测理论与方法研究[D]. 北京:北京交通大学,2017.
    [16] YAN X,CHOWDHURY N A. Mid-term electricity market clearing price forecasting:a hybrid LSSVM and ARMAX approach[J]. International Journal of Electrical Power and Energy Systems,2013,53:20-27.
    [17] SHAYEGHI H,GHASEMI A.Day-ahead electricity prices forecasting by a modified CGSA technique and hybrid WT in LSSVM based scheme[J]. Energy Conversion and Management,2013,74:482-492.
    [18] 李思慧,刘海卿. 基于LMD-PSO-LSSVM组合模型的深基坑变形预测[J]. 地下空间与工程学报,2018(2):483-489.
    [19] KONSTANTIN D,DOMINIOUE Z. Variation mode decomposition[J]. IEEE Transaction on Signal Processing,2014,62(3):531-544.
    [20] 夏天,程细玉. SARIMA模型的建模及其信贷预测研究[J]. 华侨大学学报(自然科学版),2006,27(3):332-335.
    [21] LONG B,XIAN W X,LI M,et al. Improved diagnostics for the incipient faults in analog circuits using LSSVM based on PSO algorithm with Mahalanobis distance[J]. Neurocomputing,2014,133:237-248.
    [22] KEERTHI S S,LIN C J. Asymptotic behaviors of support vector machines with gaussian kernel[J]. Neural Computation,2003,15(7):1667-1689.
    [23] SUYKENS J A K,VANDEWALLE J. Least squares support vector machine classifiers[J]. Neural Processing Letters,1999,9(3):293-300.
    [24] HU R,WEN S P,ZENG Z G,et al. A short-term power load forecasting model based on the generalized regression neural network with decreasing step fruit fly optimization algorithm[J]. Neurocomputing,2017,221:24-31.
    [25] 刘金培,林盛,郭涛,等. 一种非线性时间序列预测模型及对原油价格的预测[J]. 管理科学,2011,24(6):104-112.
    [26] CHEN Y H,ZHANG C A,HE K J,et al. Multi-step-ahead crude oil price forecasting using a hybrid grey wave model[J]. Physica A:Statistical Mechanics and its Applications,2018,501:98-110.
  • [1] 赵鲁涛, 李丰荣, 李照源, 黄婷, 顾启宇.2023年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2023, 25(2): 24-27, 44.doi:10.15918/j.jbitss1009-3370.2023.9063
    [2] 齐志远.从数据到大数据技术:实践对传统主客二分的超越. bob手机在线登陆学报（社会科学版）, 2022, 24(1): 181-186.doi:10.15918/j.jbitss1009-3370.2022.1746
    [3] 赵鲁涛, 邢悦悦, 杨可欣, 李丰荣.2022年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2022, 24(2): 28-32.doi:10.15918/j.jbitss1009-3370.2022.0235
    [4] 赵鲁涛, 郑志益, 邢悦悦, 赵伟刚.2021年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2021, 23(2): 25-29.doi:10.15918/j.jbitss1009-3370.2021.7342
    [5] 赵鲁涛, 孙陆一, 郑志益, 王岱嵩, 唐葆君.2020年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2020, 22(2): 26-30.doi:10.15918/j.jbitss1009-3370.2020.7327
    [6] 赵鲁涛, 郭实秋, 王彬, 孟媛, 刘淦, 梁丰韵.2019年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2019, (2): 20-24.doi:10.15918/j.jbitss1009-3370.2019.7266
    [7] 赵鲁涛, 曾冠荣, 郭实秋, 孙陆一, 吕鑫.2018年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2018, (2): 19-23.doi:10.15918/j.jbitss1009-3370.2018.5164
    [8] 方胜, 卢新生, 刘笑.国际原油价格变化对中美能源股影响的断点研究. bob手机在线登陆学报（社会科学版）, 2017, (4): 36-42.doi:10.15918/j.jbitss1009-3370.2017.1922
    [9] 吕鑫, 胡长虹, 余畅, 赵鲁涛.2017年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2017, (2): 35-38.doi:10.15918/j.jbitss1009-3370.2017.0205
    [10] 赵鲁涛, 姜寿明, 安润颖, 尹佳音, 陈浩.2016年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2016, (2): 8-12.doi:10.15918/j.jbitss1009-3370.2016.0202
    [11] 郭名媛, 王娜.原油价格变动对中国基础工业收益的影响--基于格兰杰因果关系检验的实证研究. bob手机在线登陆学报（社会科学版）, 2015, (4): 18-27.doi:10.15918/j.jbitss1009-3370.2015.0403
    [12] 赵鲁涛, 客若愚, 曹红, 张皓, 吕鑫, 吴文镝.2015年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2015, (2): 7-11.doi:10.15918/j.jbitss1009-3370.2015.0202
    [13] 邹艳芬.能源消费波动特征分析——基于门限分位点回归模型. bob手机在线登陆学报（社会科学版）, 2014, (3): 38-42.
    [14] 何森雨, 杨瑞广, 梁晓捷, 赵鲁涛, 梁巧梅.国际石油价格长期趋势预测系统的研制与应用. bob手机在线登陆学报（社会科学版）, 2013, (3): 13-20.
    [15] 张跃军, 王婧, 王姿懿, 张璐, 王小越.2013年国际原油价格分析与趋势预测. bob手机在线登陆学报（社会科学版）, 2013, (1): 1-4.
    [16] 张跃军, 周彬, 王丽.基于支持向量机模型的北京市能源需求预测研究. bob手机在线登陆学报（社会科学版）, 2013, (3): 8-12.
    [17] 周孝华, 李强, 张保帅.世界原油价格风险度量——基于EGARCH-EVT-t Copula模型. bob手机在线登陆学报（社会科学版）, 2012, (4): 10-16.
    [18] 郑治伟, 孟卫东.基于支持向量机的重庆市主导产业选择研究. bob手机在线登陆学报（社会科学版）, 2010, (5): 84-89.
    [19] 巩兰杰, 张龙斌.一种考虑基差非对称影响的期货波动性预测模型研究——基于上海铜期货市场的实证分析. bob手机在线登陆学报（社会科学版）, 2008, (4): 27-30.
    [20] 冯海旗, 甘仞初.基于分形的国民经济动员信息系统结构模型研究. bob手机在线登陆学报（社会科学版）, 2004, (3): 7-11.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:546
  • HTML全文浏览量:1
  • PDF下载量:257
  • 被引次数:0
出版历程
  • 收稿日期:2018-07-25
  • 刊出日期:2019-01-10

基于混合模型的国际原油价格预测研究

doi:10.15918/j.jbitss1009-3370.2019.2061
  • 1. 华北电力大学 经济与管理学院, 北京 102206
  • 2. 中国电力科学研究院有限公司 用电与能效研究所, 北京 100192
    • 基金项目:

    国家自然科学基金资助项目（71774054）;国家电网公司科技项目资助（YDB17201600102）;中央高校基本科研业务费专项资金资助项目（2017MS081）

  • 收稿日期:2018-07-25
  • 刊出日期:2019-01-10

  • 中图分类号:F224

摘要:由于国际原油价格的剧烈波动，使得准确的原油价格预测极具挑战。为此，提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量；针对周期性和非线性特征分量，分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测；将各分量的预测值求和作为最终的预测结果。实证研究结果表明：所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。

English Abstract

张金良, 李德智, 谭忠富. 基于混合模型的国际原油价格预测研究[J]. bob手机在线登陆学报（社会科学版）, 2019, (1): 59-64. doi: 10.15918/j.jbitss1009-3370.2019.2061
引用本文: 张金良, 李德智, 谭忠富. 基于混合模型的国际原油价格预测研究[J]. bob手机在线登陆学报（社会科学版）, 2019, (1): 59-64.doi:10.15918/j.jbitss1009-3370.2019.2061
shu
ZHANG Jinliang, LI Dezhi, TAN Zhongfu. International Crude Oil Price Forecasting based on a Hybrid Model[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2019, (1): 59-64. doi: 10.15918/j.jbitss1009-3370.2019.2061
Citation: ZHANG Jinliang, LI Dezhi, TAN Zhongfu. International Crude Oil Price Forecasting based on a Hybrid Model[J].Journal of Beijing Institute of Technology (Social Sciences Edition), 2019, (1): 59-64.doi:10.15918/j.jbitss1009-3370.2019.2061
shu
参考文献 (26)

目录

    /

      返回文章
      返回

        作者相关

        写作规范

        友情链接

        总访问量: 今日访问量:

        版权所有：bob手机在线登陆学术期刊中心

        主管单位: 中华人民共和国工业和信息化部 主办单位: bob手机在线登陆 地址: 北京市海淀区中关村南大街5号

        本系统由北京仁和汇智信息技术有限公司开发  百度统计

        Baidu
        map