论文摘要
国际石油期货价格的准确预测可为相关部门和投资者提供可靠的管理和决策依据。其价格变动所带来的巨大影响使世界各国政府及专家学者都非常关注石油期货价格市场的变化。目前国内外对石油期货价格预测的方法典型的有BP神经网络法、回归分析法、小波变换预测法等。但是现有的方法存在计算复杂,收敛速度慢等不足;而且对价格变化过程中随机性的影响不够重视,预测结果的准确性也有待提高。小波分析是利用信号和噪声在各尺度下的小波变换系数不同的特点,可在不丢失原信号重要信息的前提下,将信号的边缘部分进行滤化处理,消除噪音信息,最终重构出更加清晰的图形,从而提高信号的清晰度。它的多分辨率特性在众多领域得到广泛的应用,如:自适应滤波、语音合成、CT成像、信号增强等领域。将小波分析应用于前期石油期货价格曲线,能够获得更稳定和真实的价格变化情况,并对预测结果的产生良好的辅助作用。Kalman滤波可以在最小均方误差条件下给出系统状态的最佳估计,它是在时域中采用递推方式进行,计算量小,便于实时处理。Kalman滤波理论作为一种重要的最优估计理论被广泛应用于各种领域,如惯性导航、全球定位系统、目标跟踪、通信与信号过程、金融等应用领域。建立合理的系统状态向量,Kalman滤波方法能对石油期货价格进行实时快速的预测。根据国际石油期货市场的易波动性和卡尔曼滤波的动态实时跟踪特性,本文提出了基于小波分析的Kalman滤波预测方法（W-K）。通过实时获得的价格观测值,利用小波变换中的阈值方法对前期的变化进行处理,并利用插值方法获得较为稳定和真实的价格变化率观测值,然后反馈给系统。系统通过价格观测值和价格变化率观测值建立状态向量,利用Kalman方法的迭代方程组完成下一阶段的价格预测及系统真实状态估计。最后用传统预测方法的预测结果与本文W-K预测方法的结果相比较。数值结果表明本文的W-K方法能够提高预测模型的可靠性与准确性,具有一定的实用价值。