论文部分内容阅读
原油一直被称作黑色的金子。原油不仅是国际上举足轻重的基础原料与能源,又被作为不可或缺的战略储备物资,同时它也制约着世界各国的经济发展、国家安全等各方面问题。所以,预测国际油价对世界各国的政治、经济形势都起着至关重要的作用。为了更加精确的描述时间序列模型,文中根据WTI指数进行实证分析,通过对GARCH模型优化、ARCH效应检验、ARIMA参数选择和平稳性检验,在ARIMA-GARCH模型的基础上进行改进,得到ARIMA-LGARCH预测模型。并给出了ARIMA-LGARCH模型的定义,同时运用该模型对数据进行预测,通过真实值与预测值对比分析,得出ARIMA-LGARCH模型可以很好地拟合WTI指数并进行短周期预测的结论。实验数据表明,ARIMA-LGARCH模型有效地解决了数据“拖尾”现象,提高了预测的精度。本文研究的主要内容和成果如下:1.建立特征集,特征自动选择。已有的特征建立方法主要关注交易价格、周期、价格涨跌幅等数据的统计特征,忽略了交易数据的衍生特征。本文根据交易数据的周期性从黄金分割位周期数据、斐波拉契周期数据、收盘价方差属性等方面进行多维度的数据分析。从WTI指数数据中提取多维数据,运用Relief特征选择算法进行降维,建立合理的特征集合。实验表明,引入斐波拉契位收盘数据、方差、黄金分割位数据统计量后,能很好地结合时间序列预测WTI指数。2.根据数据自身特性和交易经验,引入黄金分割位、斐波拉契位数据的概念,对交易特征数据进行扩充,多维度反映数据自身特征。并详细介绍数据自身属性,根据程序运行时间和特征贡献率选择Relief算法进行特征运算,科学筛选特征集。3.在科学地建立特征集的前提下,分析了ARIMA模型和LGARCH模型在WTI指数计算中的应用,并详细地分析了两种模型的优缺点,以及相关模型在WTI指数预测中出现的现象和性质,最后通过模型复合形成ARIMA-LGARCH模型避免了单一模型在WTI指数预测中的缺陷,准确率有较大提高。