统计模型在原油价格预测中的应用研究

论文摘要

本文从时间序列分析的角度利用统计模型和智能模型中的一些基本方法在原油价格预测领域进行了一些有意义的尝试,主要工作摘要如下。首先,本文介绍了影响原油价格的因素和原油价格分析、预测中常用的方法,并将期货套利交易中的一般技术分析方法应用于原油期货交易,对其中较为常用的交易规则进行了模拟。其次,本文针对一般技术分析缺乏坚实的数学理论基础这一缺陷,利用时间序列分析中最常用、也最重要的模型之一求和自回归移动平均模型(ARIMA)对原油价格序列进行了初步的数学分析和计算;在此基础上,我们考虑到人工神经网络(ANN)对非线性的拟合能力,用ARIMA模型所得的残差对ANN进行了训练,选取了在一定范围内拟合和预测最优的ANN结构。随后,本文利用ARIMA和ANN对原油价格进行组合预测,该实验结果表明,ANN和ARIMA模型的组合预测结果优于它们的单独预测结果。最后,从体制转换(Regime Switching)的角度,本文对原油价格序列建立了状态任意可变的二阶自回归马尔可夫体制转换模型(Markov Regime Switching Model),并利用该模型对原油价格时间序列进行了分析和预测。实验结果表明,该模型预测的准确度高于ARIMA模型和ANN模型,但是低于这两者的组合预测。最后,本文对下一步可以开展的工作提出了展望。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 原油价格预测的研究方法
• 1.3 统计预测模型在价格预测的应用
• 1.4 本文主要研究内容
• 第二章 影响原油价格的因素分析
• 2.1 引言
• 2.2 各种因素分析
• 2.3 本文采取的分析方法以及数据的获取
• 2.4 本章小结
• 第三章 基本技术分析法在原油价格预测中的应用
• 3.1 引言
• 3.2 技术分析法概述
• 3.3 常用技术分析法
• 3.4 利用原油期货价格日数据对技术分析法进行检验
• 3.5 本章小结
• 第四章 ARIMA模型和神经网络在原油价格预测中的应用
• 4.1 引言
• 4.2 ARIMA模型概述
• 4.2.1 自回归的基本概念及其性质
• 4.2.2 移动平均的基本概念
• 4.2.3 从AR和MA模型到ARMA模型
• 4.2.4 从ARMA模型到ARIMA模型
• 4.3 基于ARIMA模型的原油价格预测
• 4.3.1 ARIMA模型对时间序列进行分析和预测的基本程序
• 4.3.2 利用ARIMA模型对原油价格序列进行分析
• 4.4 ARIMA模型和神经网络的组合预测模型
• 4.5 实证与分析
• 4.5.1 数据选择
• 4.5.2 评价准则
• 4.5.3 预测结果和分析
• 4.6.本章小结
• 第五章 马尔可夫机制转换模型在原油价格预测的研究应用
• 5.1 引言
• 5.2 马尔可夫机制转换模型概述
• 5.2.1 模型介绍
• 5.2.2 模型描述
• 5.2.3 求解模型
• 5.3 基于马尔可夫机制转换模型的预测
• 5.3.1 模型结构
• 5.3.2 模型的估计
• 5.3.3 模型的识别
• 5.3.4 模型适应性训练
• 5.3.5 预测方法
• 5.4 实证和分析
• 5.4.1 模型估计和识别的结果
• 5.4.2 预测结果及分析
• 5.5 本章小结
• 第六章 全文总结及展望
• 6.1 全文总结
• 6.2 研究展望
• 参考文献
• 在攻读硕士学位期间发表的论文
• 致谢