导读:本文包含了国际原油价格预测论文开题报告文献综述及选题提纲参考文献，主要关键词:原油价格预测,变分模态分解,季节性差分自回归滑动平均模型,最小二乘支持向量机
国际原油价格预测论文文献综述
张金良,李德智,谭忠富[1]（2019）在《基于混合模型的国际原油价格预测研究》一文中研究指出由于国际原油价格的剧烈波动,使得准确的原油价格预测极具挑战。为此,提出一种基于变分模态分解、季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机的混合模型。利用变分模态分解方法将国际原油价格序列分解成一系列模态分量;针对周期性和非线性特征分量,分别建立季节性差分自回归滑动平均模型和果蝇优化最小二乘支持向量机模型进行预测;将各分量的预测值求和作为最终的预测结果。实证研究结果表明:所提混合模型相较对比模型能够明显提高国际原油价格的预测精度。(本文来源于《北京理工大学学报(社会科学版)》期刊2019年01期）
吴垚[2]（2018）在《基于RVFL网络集成模型的国际原油价格预测研究》一文中研究指出石油,作为一种主要的能源,对世界政治、经济、外交、军事格局有着深远影响。准确快速的原油价格预测有助于优化相应的生产、销售和投资等计划,避免潜在风险,提高石油相关部门的利润。原油价格的驱动因素不仅包括市场供需平衡状况,而且包括各种外部因素,如与其他资源的替代性、天气、库存水平、经济增长、政治变化、心理预期和极端事件。由于这些因素相互作用,原油价格预测成了一项艰巨的任务。在此背景下,本文重点从准确性和计算时间效率的角度出发,构建原油价格快速预测模型,对现有的油价预测模型进行改进和创新。具体研究内容如下:首先,通过混合集成经验模态分解EEMD(Ensemble Empirical Mode Decomposition)和 RVFL 网络(Random Vector Functional Link network)构建了一个新的分解集成油价预测模型。通过与其他油价预测模型和现有分解集成模型对比,发现RVFL网络的引入从预测精度和计算时间效率上提高了分解集成模型的性能。然后,将 RVFL 网络、极限学习机 ELM(Extreme Learning Machine)和RKS(Random Kitchen Sinks)叁种随机算法引入分解集成框架下,构建了一个基于随机算法的分解集成模型,并将其应用于能源价格预测中。实验结果表明随机算法的引入可以有效提高现有分解集成模型的预测精度,并在很大程度上节约模型计算时间。最后,研究RVFL网络集成模型的集成策略多样性,包括样本数据多样性、采样间隔多样性、隐层节点多样性、激活函数多样性、集成个数多样性与集成方法多样性。通过实验测试最优的集成策略,同时利用最优集成策略构建一个多级RVFL集成模型对原油价格进行预测,该集成模型优于单个RVFL网络。本文提出的基于RVFL网络的分解集成模型、基于随机算法的分解集成模型以及基于最优集成策略的多级RVFL网络集成模型,都在一定程度上提升了国际油价预测模型的准确度,同时降低了模型耗时。对基于传统算法的分解集成模型来说,RVFL网络和随机算法的引入能够显着提升分解集成模型的预测性能和计算时间效率。同时,RVFL网络作为一种精度高耗时短的算法,其单模型及集成模型都能提高油价预测模型的精度。(本文来源于《北京化工大学》期刊2018-05-28）
赵英辰[3]（2018）在《国际原油价格预测》一文中研究指出目前,石油是工业的重中之重,是重要并且稀缺的能源,在社会发展建设中占有比较重要的地位,国际石油价格的变化对政治格局、经济格局均有众多的影响。所以我们通过预测得到准确的原油价格预测值,无论对国家的经济或者政治都有积极的作用。(本文来源于《智富时代》期刊2018年05期）
刘存异[4]（2018）在《金融市场对国际原油价格预测作用研究》一文中研究指出本文主要采用VAR模型和误差修正模型的方法研究国际金融市场内的证券和外汇指数对国际原油价格的预测作用,通过实证分析得出了以下结论:股票市场对于原油价格的预测作用表现的较为明显,尤其是标准普尔500指数与原油价格的相关性较高。此外,美元指数对于原油价格的预测作用也十分明显。(本文来源于《新西部》期刊2018年02期）
范秋枫,王涛,张智峰[5]（2017）在《量子粒子群智能算法在国际布伦特原油价格预测中的应用》一文中研究指出原油价格的波动对世界经济政治形势具有重要的作用,其预测问题是维护原油生产、消费企业及国家利益的重大问题。因此,原油价格预测是国际市场研究的一个重要领域。本文将TSK模糊逻辑系统与神经网络结合,设计五层模糊神经网络系统,采用量子粒子群(QPSO)智能算法调整模糊神经网络系统的参数,将所设计的智能系统应用于国际布伦特原油价格预测中。并将QPSO算法与BP算法和最小二乘法进行比较,预测性能指标和仿真结果表明基于QPSO智能算法的模糊神经网络系统的设计是有效的,取得了更好的效果。(本文来源于《模糊系统与数学》期刊2017年04期）
姬强,刘炳越,赵万里,马嫣然,范英[6]（2017）在《2017年国际原油市场走势分析与价格预测》一文中研究指出2017年,OPEC和非OPEC国家减产协议的执行力度将是影响国际石油价格走势的最大变数。国际石油市场供需两侧均面临很大的不确定性,美国页岩油产量的恢复速度、OECD国家石油需求的反弹力度以及新兴经济体对石油需求的拉动作用都将影响石油市场的再平衡状态。除此之外,美国加息的不确定性、市场投机的活跃程度以及地缘政治的"黑天鹅"事件都将增加油价的短期波动性。文章通过自主研发的油价综合分析预测系统预测,2017年国际油价将保持窄幅震荡,Brent年平均油价为56美元/桶,WTI年平均油价为55美元/桶,平均价差保持在1美元/桶左右。(本文来源于《中国科学院院刊》期刊2017年02期）
熊熊,李璇[7]（2016）在《国际原油价格预测研究》一文中研究指出石油是不可再生能源,是经济发展的血液。我国对石油有较大的消费需求,因此油价的波动会导致经济的波动。原油价格波动较为复杂,不确定性影响因素较多。ARIMA模型广泛地应用在高频金融时间序列建模,能较好地把握此类时间序列的动态规律。从计量经济学的角度运用EVIEWS软件,对1996—2013年的国际原油价格进行数据整理归纳,运用ARIMA模型加入季节因子建立原油价格模型,并通过模型走势对2014—2020年的国际原油价格进行预测。(本文来源于《重庆理工大学学报(自然科学)》期刊2016年01期）
姬强,刘炳越,席雯雯,范英[8]（2015）在《2016年国际原油市场走势分析与价格预测》一文中研究指出2016年,OPEC的产量决策将对全球石油供应形势产生重要的影响,也将影响市场对于油价重回上升通道的信心和预期。全球经济形势,特别是OECD国家的复苏进度将成为影响需求增长的关键因素。美元汇率走势、市场投机活动以及地缘政治事件都将成为油价短期波动的不确定因素。文章通过自主研发的油价综合分析预测系统预测,2016年国际油价将继续保持低位震荡,Brent年平均油价为53美元/桶,WTI年平均油价为49美元/桶,平均价差为4美元/桶。影响这一趋势的最大不确定性是OPEC的政策以及OPEC与俄罗斯等产油国之间的博弈。(本文来源于《中国科学院院刊》期刊2015年06期）
沈冬鹏[9]（2015）在《国际原油价格预测模型研究》一文中研究指出本文采用2000年12月至2015年7月的WTI原油期货价格的月数据作为研究对象。定性分析部分,首先回顾了国际通行的商品期货定价理论和原油价格预测方面的研究现状,接着从基本面和经济金融等角度总结了影响原油中长期和短期价格波动的主要因素,为后面的实证分析确定模型输入变量提供逻辑基础。实证分析中,首先对ARIMA、传统多元线性回归、人工神经网络等广泛应用的单一模型的原理、优点和局限性做了分析,然后将多元线性回归模型与ARMA模型相结合构建组合模型,通过样本外预测,与传统多元线性回归模型和ARIMA模型的预测效果进行比较分析。实证结果表明,组合模型的预测均方根误差小于ARIMA模型和传统多元线性回归模型,相比具有更好的预测效果。(本文来源于《对外经济贸易大学》期刊2015-11-01）
王书平,朱艳云[10]（2015）在《基于多尺度分析的国际原油价格预测方法研究》一文中研究指出原油价格预测是国际大宗商品市场研究的一个重要领域。基于分解-重构-集成的思维,运用经验模态分解(EMD)、BP神经网络以及ARIMA模型,建立多尺度组合预测模型对国际原油价格变动特点和走势进行了分析:将原油价格序列分解并重构成高频、中频、低频和趋势四个部分,从不规则因素、季节因素、重大事件以及长期趋势四个方面解释了重构项的变动特征。实证分析结果显示,多尺度组合模型的预测效果优于ARIMA模型、BP神经网络等单模型的预测效果。(本文来源于《价格月刊》期刊2015年10期）
国际原油价格预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
石油,作为一种主要的能源,对世界政治、经济、外交、军事格局有着深远影响。准确快速的原油价格预测有助于优化相应的生产、销售和投资等计划,避免潜在风险,提高石油相关部门的利润。原油价格的驱动因素不仅包括市场供需平衡状况,而且包括各种外部因素,如与其他资源的替代性、天气、库存水平、经济增长、政治变化、心理预期和极端事件。由于这些因素相互作用,原油价格预测成了一项艰巨的任务。在此背景下,本文重点从准确性和计算时间效率的角度出发,构建原油价格快速预测模型,对现有的油价预测模型进行改进和创新。具体研究内容如下:首先,通过混合集成经验模态分解EEMD(Ensemble Empirical Mode Decomposition)和 RVFL 网络(Random Vector Functional Link network)构建了一个新的分解集成油价预测模型。通过与其他油价预测模型和现有分解集成模型对比,发现RVFL网络的引入从预测精度和计算时间效率上提高了分解集成模型的性能。然后,将 RVFL 网络、极限学习机 ELM(Extreme Learning Machine)和RKS(Random Kitchen Sinks)叁种随机算法引入分解集成框架下,构建了一个基于随机算法的分解集成模型,并将其应用于能源价格预测中。实验结果表明随机算法的引入可以有效提高现有分解集成模型的预测精度,并在很大程度上节约模型计算时间。最后,研究RVFL网络集成模型的集成策略多样性,包括样本数据多样性、采样间隔多样性、隐层节点多样性、激活函数多样性、集成个数多样性与集成方法多样性。通过实验测试最优的集成策略,同时利用最优集成策略构建一个多级RVFL集成模型对原油价格进行预测,该集成模型优于单个RVFL网络。本文提出的基于RVFL网络的分解集成模型、基于随机算法的分解集成模型以及基于最优集成策略的多级RVFL网络集成模型,都在一定程度上提升了国际油价预测模型的准确度,同时降低了模型耗时。对基于传统算法的分解集成模型来说,RVFL网络和随机算法的引入能够显着提升分解集成模型的预测性能和计算时间效率。同时,RVFL网络作为一种精度高耗时短的算法,其单模型及集成模型都能提高油价预测模型的精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
国际原油价格预测论文参考文献
[1].张金良,李德智,谭忠富.基于混合模型的国际原油价格预测研究[J].北京理工大学学报(社会科学版).2019
[2].吴垚.基于RVFL网络集成模型的国际原油价格预测研究[D].北京化工大学.2018
[3].赵英辰.国际原油价格预测[J].智富时代.2018
[4].刘存异.金融市场对国际原油价格预测作用研究[J].新西部.2018
[5].范秋枫,王涛,张智峰.量子粒子群智能算法在国际布伦特原油价格预测中的应用[J].模糊系统与数学.2017
[6].姬强,刘炳越,赵万里,马嫣然,范英.2017年国际原油市场走势分析与价格预测[J].中国科学院院刊.2017
[7].熊熊,李璇.国际原油价格预测研究[J].重庆理工大学学报(自然科学).2016
[8].姬强,刘炳越,席雯雯,范英.2016年国际原油市场走势分析与价格预测[J].中国科学院院刊.2015
[9].沈冬鹏.国际原油价格预测模型研究[D].对外经济贸易大学.2015
[10].王书平,朱艳云.基于多尺度分析的国际原油价格预测方法研究[J].价格月刊.2015
标签：原油价格预测; 变分模态分解; 季节性差分自回归滑动平均模型; 最小二乘支持向量机;