超越单步预测：原油价格多步超前预测替代模型的评估
机器学习
2014-01-10 v1 人工智能
摘要
对原油价格在较长未来时间范围内的准确预测具有挑战性，并对政府、企业和投资者具有重大意义。本文提出一种基于经验模态分解（EMD）的改进混合模型，该模型构建于前馈神经网络（FNN）建模框架之上，并结合了斜率法（SBM），能够捕捉原油价格的复杂动态。我们考察并比较了文献中提出的三种常用多步超前预测策略，包括迭代策略、直接策略和MIMO（多输入多输出）策略，并确定了选择原油价格多步超前预测策略的实际考量因素。利用西德克萨斯中质原油（WTI）现货价格的周度数据，在EMD-SBM-FNN建模框架下，将替代模型与选定的对照模型的性能进行比较。基于预测精度和计算成本进行了定量和综合评估。本研究获得的结果表明，所提出的采用MIMO策略的EMD-SBM-FNN模型在预测精度上表现最佳，且计算负荷可接受。
引用
@article{arxiv.1401.1560,
title = {Beyond One-Step-Ahead Forecasting: Evaluation of Alternative Multi-Step-Ahead Forecasting Models for Crude Oil Prices},
author = {Tao Xiong and Yukun Bao and Zhongyi Hu},
journal= {arXiv preprint arXiv:1401.1560},
year = {2014}
}
备注
32 pages