基于支持向量机的干散货运价指数预测研究

论文摘要

国际干散货航运市场是国际航运市场中非常重要的一个子市场。由于干散货航运市场运价波动剧烈,走势难以琢磨,受到的影响因素非常复杂,是一个非线性的复杂系统,因而,传统的预测方法并不适合对它进行预测。这给航运经营者和货物托运人决策带来了困难。因此,考察运价指数波动的内在规律和外在影响,并在此基础之上开发新的模型预测运价指数,可以为航运市场经营者和投资者提供把握市场态势、规避价格风险的有力的工具。本文针对巴拿马型干散货船舶,进行基于支持向量机（Support Vector Machines,SVM）模型的波罗的海运价指数预测研究。SVM充分考虑了运价指数的随机性,同时其泛化能力较之神经网络有明显改善,更适用于对非线性时间序列进行预测。首先,分析干散货航运市场的内部供给和需求的运行机制,挖掘运价指数剧烈波动的深层原因。其次,对运价指数的形成过程及计算原理进行阐述,通过分析,运价指数可以准确反映航运市场的变化,本文选取巴拿马型船舶运价指数（Baltic Panamax Index, BPI）指数作为研究对象。论述运价指数波动的外部影响因素,在此基础上,对干散货航运市场的现状和未来走势进行定性分析。接着,本文建立了小波变换-SVM混合预测模型,对小波变换、SVM的理论和适用性进行简要介绍,并且论证了混合预测模型的构建原理。最后,本文针对BPI序列进行实证分析,先用小波变换对运价指数序列进行去噪,消除无规律的突发事件造成的影响；随后用前五个月的BPI值作为输入变量,以第六个月的运价指数作为输出变量,对SVM模型进行训练,得到训练好的预测模型和单步预测结果。通过与ARIMA模型、神经网络模型得到的预测结果进行比较,发现小波-SVM模型具有最高的预测精度。在该模型上加入相关因素作为输入,进行BPI单步预测,取得了更好的预测效果。本文接下来尝试运用此模型进行多步预测,并构建了滞后3期的小波-SVM混合预测模型,可以较为准确的进行BPI的中期预测。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 国内外研究现状综述
• 1.3 本文主要内容及研究思路
• 1.3.1 本文主要内容
• 1.3.2 本文研究思路
• 第2章 国际干散货航运市场运行机制分析
• 2.1 国际干散货航运市场简述
• 2.2 国际干散货航运市场特点
• 2.3 国际干散货航运市场的供给分析——船舶市场
• 2.3.1 新造船市场分析
• 2.3.2 二手船市场分析
• 2.3.3 拆解船市场分析
• 2.4 国际干散货航运市场的需求分析——主要干散货种
• 2.4.1 铁矿石
• 2.4.2 煤炭
• 2.4.3 粮谷
• 2.4.4 小宗干散货需求分析
• 第3章 运价指数及影响因素分析
• 3.1 干散货运价指数概述
• 3.2 干散货运价指数计算原理
• 3.3 运价指数波动影响因素分析
• 3.3.1 战争等不可抗力
• 3.3.2 经济环境
• 3.3.3 投机因素
• 3.4 国际干散货航运市场现状及发展趋势分析
• 3.4.1 国际干散货市场现状分析
• 3.4.2 国际干散货市场未来走势分析
• 第4章 小波变换-SVM混合模型的构建
• 4.1 混合模型构建原理
• 4.2 小波变换原理
• 4.2.1 傅里叶变换与小波变换的基本概念
• 4.2.2 滤波器
• 4.2.3 离散小波变换
• 4.2.4 离散小波逆变换
• 4.2.5 小波去噪基本原理
• 4.3 SVM预测原理
• 第5章 实证研究
• 5.1 数据说明
• 5.2 数据的处理
• 5.3 小波变换
• 5.3.1 选择合适的小波函数
• 5.3.2 选择合适的小波尺度
• 5.4 小波-SVM混合预测模型单步预测
• 5.5 组合样本模型单步预测
• 5.6 小波-SVM混合预测模型多步预测
• 5.7 滞后3期的小波-SVM混合预测模型
• 第6章 结论
• 6.1 本文的主要工作
• 6.2 不足与展望
• 参考文献
• 致谢
• 研究生履历