【摘要】：原油一直被稱作黑色的金子。原油不僅是國際上舉足輕重的基礎(chǔ)原料與能源,又被作為不可或缺的戰(zhàn)略儲備物資,同時它也制約著世界各國的經(jīng)濟發(fā)展、國家安全等各方面問題。所以,預(yù)測國際油價對世界各國的政治、經(jīng)濟形勢都起著至關(guān)重要的作用。為了更加精確的描述時間序列模型,文中根據(jù)WTI指數(shù)進行實證分析,通過對GARCH模型優(yōu)化、ARCH效應(yīng)檢驗、ARIMA參數(shù)選擇和平穩(wěn)性檢驗,在ARIMA-GARCH模型的基礎(chǔ)上進行改進,得到ARIMA-LGARCH預(yù)測模型。并給出了ARIMA-LGARCH模型的定義,同時運用該模型對數(shù)據(jù)進行預(yù)測,通過真實值與預(yù)測值對比分析,得出ARIMA-LGARCH模型可以很好地擬合WTI指數(shù)并進行短周期預(yù)測的結(jié)論。實驗數(shù)據(jù)表明,ARIMA-LGARCH模型有效地解決了數(shù)據(jù)“拖尾”現(xiàn)象,提高了預(yù)測的精度。本文研究的主要內(nèi)容和成果如下:1.建立特征集,特征自動選擇。已有的特征建立方法主要關(guān)注交易價格、周期、價格漲跌幅等數(shù)據(jù)的統(tǒng)計特征,忽略了交易數(shù)據(jù)的衍生特征。本文根據(jù)交易數(shù)據(jù)的周期性從黃金分割位周期數(shù)據(jù)、斐波拉契周期數(shù)據(jù)、收盤價方差屬性等方面進行多維度的數(shù)據(jù)分析。從WTI指數(shù)數(shù)據(jù)中提取多維數(shù)據(jù),運用Relief特征選擇算法進行降維,建立合理的特征集合。實驗表明,引入斐波拉契位收盤數(shù)據(jù)、方差、黃金分割位數(shù)據(jù)統(tǒng)計量后,能很好地結(jié)合時間序列預(yù)測WTI指數(shù)。2.根據(jù)數(shù)據(jù)自身特性和交易經(jīng)驗,引入黃金分割位、斐波拉契位數(shù)據(jù)的概念,對交易特征數(shù)據(jù)進行擴充,多維度反映數(shù)據(jù)自身特征。并詳細介紹數(shù)據(jù)自身屬性,根據(jù)程序運行時間和特征貢獻率選擇Relief算法進行特征運算,科學篩選特征集。3.在科學地建立特征集的前提下,分析了ARIMA模型和LGARCH模型在WTI指數(shù)計算中的應(yīng)用,并詳細地分析了兩種模型的優(yōu)缺點,以及相關(guān)模型在WTI指數(shù)預(yù)測中出現(xiàn)的現(xiàn)象和性質(zhì),最后通過模型復(fù)合形成ARIMA-LGARCH模型避免了單一模型在WTI指數(shù)預(yù)測中的缺陷,準確率有較大提高。
【學位授予單位】：東北石油大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F224;F416.22;F764.1;F831.51
【圖文】：

第一章 緒論交額等特征屬性。Step3：特征降維。運用 PCA 和 Relief 算法對交易數(shù)據(jù)特征降維。Step4：建立模型。對 ARIMA 和 GARCH，GARCH(1,1)模型和 TGARCH 模型，及 EGARCH 模型和 IGARCH(1,1)模型運用異方差修正的方法以及模型檢驗對多種模對比。Step5：模型選擇。經(jīng)過模型對以往歷史數(shù)據(jù)的學習，對測試數(shù)據(jù)進行檢測。Step6：誤差評判。通過測試數(shù)據(jù)的檢測與分析，進一步對模型的合理性進行檢測其 WTI 指數(shù)檢測流程圖如下：

圖 2.1 WTI 指數(shù)和美元指數(shù)隨時間變化示意圖市場估計由于夏季的來臨，美國迎來駕駛季節(jié)將會導致汽油需求量增加，然而美國原油庫存卻創(chuàng)出歷史新的高度，進一步加重了對世界各國對原油供給過剩的憂慮。紐交所于 5 月份交割的 WTI 指數(shù)下滑 34 美分，跌幅 0.7%，每桶原油價格在 47.70 美元時收盤。隨著時間的變化 WTI 原油價格波動較大。

圖 2.1 WTI 指數(shù)和美元指數(shù)隨時間變化示意圖市場估計由于夏季的來臨，美國迎來駕駛季節(jié)將會導致汽油需求量增加，然而庫存卻創(chuàng)出歷史新的高度，進一步加重了對世界各國對原油供給過剩的憂慮。 5 月份交割的 WTI 指數(shù)下滑 34 美分，跌幅 0.7%，每桶原油價格在 47.70 美元隨著時間的變化 WTI 原油價格波動較大。

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 傅強;伍習麗;;基于ARFIMA-WRBV-VaR的中國股市風險研究[J];西南大學學報(自然科學版);2013年03期

2 胡愛梅;王書平;;基于ARIMA與GARCH模型的國際油價預(yù)測比較分析[J];經(jīng)濟研究導刊;2012年26期

3 劉琰;刑薇;丁樂群;徐越;韓強;王宇拓;;基于ARIMA-GARCH模型的現(xiàn)貨電價預(yù)測[J];能源技術(shù)經(jīng)濟;2012年02期

4 林盛;葉馨;劉金培;;基于多因素小波回歸分析的國際原油價格分析與預(yù)測[J];西安電子科技大學學報(社會科學版);2011年06期

5 林盛;王文超;;基于PCA的ARFIMA-GARCH油價預(yù)測模型[J];價值工程;2011年27期

6 張?zhí)K林;;我國黃金現(xiàn)貨波動率預(yù)測能力分析——基于GARCH模型與CARR模型的比較[J];金融理論與實踐;2011年08期

7 何紅霞;;中國股市價格的波動性研究——基于滬深300指數(shù)的GARCH族模型[J];和田師范專科學校學報;2010年03期

8 吳虹;尹華;;ARIMA與SVM組合模型的石油價格預(yù)測[J];計算機仿真;2010年05期

9 孔祥芝;王延清;;基于ARIMA-GARCH模型和極值理論的中國股市風險價值度量[J];中國管理信息化;2010年09期

10 陳益芬;徐諾;;國際原油價格市場波動的模型分析[J];甘肅聯(lián)合大學學報(自然科學版);2010年02期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 蘭秋軍;金融時間序列隱含模式挖掘方法及其應(yīng)用研究[D];湖南大學;2005年

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 季靜;時間序列模型在石油價格預(yù)測中的應(yīng)用研究[D];長春工業(yè)大學;2012年

2 周海寶;國際原油價格的影響因素分析及其預(yù)測研究[D];南京理工大學;2012年

3 侯璐;基于ARIMA模型的石油價格短期分析預(yù)測[D];暨南大學;2009年

4 饒丹珍;中國石油安全的維護[D];華中師范大學;2006年

本文編號：2770489