基于多尺度组合模型的铜价预测研究

中国管理科学 ›› 2014, Vol. 22 ›› Issue (8): 21-28.

基于多尺度组合模型的铜价预测研究

王书平, 胡爱梅, 吴振信

北方工业大学经济管理学院, 北京 100144

收稿日期:2013-07-07 修回日期:2014-03-12 出版日期:2014-08-20 发布日期:2014-08-23
作者简介:王书平（1977- ），男（汉族），湖南涟源人，北方工业大学经济管理学院，副教授，博士，研究方向：大宗商品定价、计量经济分析.
基金资助:
北京市属市管高等学校人才强教计划资助项目（PHR20110869）；北京市教委学科与研究生教育专项基金（PXM2013_014212_000005）

Forecasting of Copper Price based on Multi-scale Combined Model

WANG Shu-ping, HU Ai-mei, WU Zhen-xin

School of Economics and Management, North China University of Technology, Beijing 100144, China

Received:2013-07-07 Revised:2014-03-12 Online:2014-08-20 Published:2014-08-23

摘要/Abstract

摘要： 铜价预测是国际大宗商品市场研究的一个重要领域。本文运用经验模态分解法（EMD）、人工神经网络（ANN）、支持向量机（SVM）和时间序列方法，基于分解-重构-集成的思想，构建了一个多尺度组合预测模型。在模型构建过程中，提出了运用游程判定法对分量序列进行重构的新思路。然后，运用此模型对LME铜价波动特点和走势进行分析：将铜价序列分解并重构成高频、低频和趋势三个部分，并从不规则因素、重大事件以及长期趋势三个角度解释了重构项的波动特征；实证分析表明，与灰色模型GM（1，1）、Elman神经网络方法等单模型，以及ARIMA-SVM组合模型相比，多尺度组合模型取得了最好的预测效果。

关键词: 多尺度模型, 经验模态分解, 支持向量机, 神经网络, 游程判定法

Abstract: Forecasting of cooper price is an important area of international commodity research. A new multi-scale combined forecasting model is built in this paper by using empirical mode decomposition (EMD), artificial neural network (ANN), support vector machine (SVM) and time series methods based on the idea of decomposition-reconstruction-integration. During the model building process, a new idea to use run length judgment method to reconstruct the component sequences is proposed. Then this model is used to analyze the fluctuation characteristics and trend of LME copper price. Copper price series is decomposed and reconstructed into high frequency, low frequency and trend sequences which can be explained from the angle of irregular factors, major events and long-term trend. Empirical analysis shows that comparing with the gray model GM (1, 1), Elman and some other single models and ARIMA-SVM combined model, multi-scale combined model obtained the best forecasting result.

Key words: multi-scale model, EMD, SVM, ANN, run length judgment method

中图分类号:

F224.0

王书平, 胡爱梅, 吴振信. 基于多尺度组合模型的铜价预测研究[J]. 中国管理科学, 2014, 22(8): 21-28.

WANG Shu-ping, HU Ai-mei, WU Zhen-xin. Forecasting of Copper Price based on Multi-scale Combined Model[J]. Chinese Journal of Management Science, 2014, 22(8): 21-28.

参考文献

[1] 周枫. 见底反弹途中——国际铜市场价格预测[J]. 国际贸易,2002,(1):31-33.

[2] 芮执多. 基于期货市场对现货市场的价格预测模型——以上海期货交易所期铜为例[J]. 预测,2009,28(3):61-64.

[3] 陈林,黄樟树. 基于ARIMA模型的期货价格分析与预测[J]. 福州大学学报(哲学社会科学版),2010,(3):32-37.

[4] 冯旭东,陈方. 基于遗传技术辅助设计的神经网络期货市场预测[J]. 中国管理科学,1997,5(3):32-36.

[5] 梁强,范英,魏一鸣. 基于小波分析的石油价格长期趋势预测方法及实证研究[J]. 中国管理科学,2005,13(1):30-36.

[6] 胡创荣,张阳东,吴宗法. 天然气期货价格走势预测实证研究——基于Markov模型的分析[J]. 价格理论与实践,2009,(9):59-60.

[7] 张冬青,马宏伟,宁宣熙. 基于结构可变的RBF神经网络的时间序列预测[J]. 中国管理科学,2010,18(3):83-89.

[8] Krogh A, Vedelsby J. Neural network ensembles, cross validation and active learning [J]. Neural Computing & Applications, 1995, 25: 231-238.

[9] Wang Shouyang, Yu Lean, Lai K K. A novel hybrid AI System Framework for Crude Oil Price Forecasting. Proceeding of Chinese Academy of Sciences Symposium,Beijing,July12-14,2004.

[10] Wang Shouyang, Yu Lean, Lai K K. Crude oil price forecasting with TEI@I methodology[J]. International Journal of Systems Science and Complexity, 2005, 18(2): 145-166.

[11] 刘轶芳,迟国泰,余方平,等. 基于GARCH-EWMA的期货价格预测模型[J]. 哈尔滨工业大学学报,2006,38(9):1572-1575

[12] 王海军,白玫,贾兆立,等. 基于粒子群神经网络的期货价格预测[J]. 计算机工程与设计,2009,30(10):2428-2430.

[13] 曾波,刘思峰,方志耕,等. 灰色组合预测模型及其应用[J]. 中国管理科学,2009,17(5):150-155.

[14] Kazem A, Sharifi E, Hussain F K, et al. Support vector regression with chaos-based firefly algorithm for stock market priceforecasting [J]. Applied Soft Computing, 2012,13(2):947-958.

[15] Yu Lean, Wang Shouyang, Lai K K. Forecasting crude oil price with an EMD-based neural network ensemble learningparadigm [J]. Eneregy Economics, 2008, 30(5): 2623-2635.

[16] Tang Mingming,Zhang Jinliang. A multiple adaptive wavelet recurrent neural network model to analyze crude oil prices [J]. Journal of Economics and Business, 2012, 64(4): 275-286.

[17] 吴虹,尹华. ARIMA与SVM组合模型的石油价格预测[J]. 计算机仿真,2010,27(5): 264-266.