论文部分内容阅读
能源作为国家现代化发展的重要战略资源。其中,原油作为关键能源原料,也是主要的国际大宗商品,与国内社会各级产业都产生了直接或间接的联系。其价格的变化和走势,往往受到除供需关系之外的多方因素的联动影响,存在较大的不确定性。为缓解这种不确定性,准确地原油价格未来信息一直备受关注。目前的原油价格预测方法可分为直接预测法和混合预测法。这些方法在预测阶段大都考虑一种的预测模型,局限了预测结果。此外,传统的预测模型选择方法都是基于“专家经验法”或“逐一试错法”。这类方法不仅受限于专家知识,而且被选模型的适用范围和效果都有局限性,并且产生了试错成本和消耗。因此,本文研究基于元学习决策的原油价格预测模型,提出一种可根据预测任务特点对预测模型进行自适应决策并应用的元学习决策模型(MDM),并以此优化直接预测和混合预测两类原油价格预测方法。首先,本文在直接预测法的基础上提出和实现了MDM,验证该模型能够挖掘预测任务与预测模型性能之间的映射关系,为预测模型的使用提供决策支持。此外,本文还优化所提出MDM并与混合预测法的“分解-预测-集成”框架有机结合,提出一种基于元学习决策原油价格混合预测模型。这种新型的原油价格预测模型通过优化预测阶段的预测模型使用决策,实现对各项原油价格预测任务最终预测结果的整体提升。本文以日、周、月三种经济周期下的原油相关价格序列为实验数据,验证MDM对直接预测模型和混合预测模型的决策优化效果,以及对不同价格预测任务的泛化能力。根据实证分析结果,所提出模型较传统的模型选择办法有更准确和高效的决策效果。而且,所提出的混合预测模型也有效地优化了原始混合预测法,对各原油价格序列任务在预测精度和方向性上都有显著的提升。此外,MDM较传统模型选择方法的结果更加有效和可靠,而且能为使用者节约模型选择的成本和消耗。这种更为准确和可靠的价格预测办法能够有助于政府、企业和个体投资单位更好地制定原油相关计划以预防价格波动带来不确定影响,对原油相关行业都有非常重要的现实价值和意义。