基于小波分析的石油价格长期趋势预测方法及其实证研究_梁强
第13卷 第1期中国管理科学Vol.13,No.1
2005年 2月ChineseJournalofManagementScienceFeb., 2005文章编号:1003-207(2005)01-0030-07
基于小波分析的石油价格长期趋势预测方法
及其实证研究
梁 强,范 英,魏一鸣
(中国科学院科技政策与管理科学研究所,北京 100080)
摘 要:本文将小波方法引入到油价长期趋势的预测中,,根据油价时序列预测其未来长期走势的方法。,从总体上把握油价的非线性波动特征,,开展对未来一段时期内的多步预测。实证研究中,对1,并将预测结果与ARIMA、GARCH、Holt2winters等方,,反映了。关键词:小波分析;石油价格;长期趋势;时间序列;多步预测中图分类号:C939;F27 文献标识码:
1 引言
石油价格是政府部门、原油生产部门和用油单位以及投资者关注的焦点。因此,准确并合理地预测未来较长时期的油价变动趋势,将具有重要意义。但由于油价自身波动的复杂性,其变动呈现出高度的非线性甚至具有混沌的性质[1-2],给预测问题特别是长期趋势预测带来了很大的困难。
采用时间序列预测油价的优点是可以避免其它很多同样需要预测的因素导致的预测误差。常见的
时间序列预测方法有回归分析(Regressionanaly2sis)、指数平滑(Exponentialsmoothing)、自回归滑动
Holt2Winters方法[10]和Theta模型[11],但这些方法
同神经网络一样,对于较长时期内的多步预测,效果并不是太理想,甚至连长期趋势的预测也存在着较大的偏差。
对于油价时间序列,已有文献进行的大多是短期预测的研究。一个月的原油期货对未来的油价短期预测具有比较显著的指示作用[12-16],相关的研
究表明油价还具有条件异方差(GARCH)的波动特征,Barone-Adesi等[17]进行了基于VaR预测法的半参数研究,提出了一种估计资产价格密度函数的方法;Claudio[18]再次考虑了一个月的原油期货对未来油价短期预测的指示作用,并用Barone2Adesi等提出的方法对Brent油价进行了短期预测。此外,还存在一些考虑其它与油价密切相关因素的多变量预测模型。Bruce等[19-20]用信念网络(Beliefnet2works)、蒙特卡罗分析(MonteCarloanalyses)对原
平均模型(ARMA)、广义条件异方差模型
(GARCH)、神经网络(Neuralnetwork)、灰度模型(Greymodel)及它们的各种改进型等[3-5]。这些方法的短期预测效果比较理想,广泛的应用于各种短期预测领域。神经网络也被应用于一些长期预测领域之中[6-9],但基本上其长期预测都是指采用较长的时间单位(如年平均数据)而进行的步数很小的预测。还有其它的一些可以用于长期预测的方法,如
收稿日期:2004-10-10
资助项目:国家自然科学基金资助项目(70371064,70425001);
国家“十五”科技攻关课题(2001BA605A)
作者简介:梁强(1980-),男(汉族),广东省韶关人,中国科学院
科技政策与管理科学研究所研究生,研究方向:风险管理与金融复杂性.
油价格进行了预测,后来又结合信念网络和概率模型(Probabilisticmodels)对油价市场进行了概率预测[21](Probabilisticforecast)。Linhui等[22]发现基于目标区域理论(TargetZonetheory)的非线性模型对油价的预测能力有很好的改进作用。
小波分析作为非线性科学中强有力的工具,在预测领域中得到了越来越多的应用,各种预测方法层出不穷。Murtagh等[23]研究了Haar