為了進一步提升原油期貨價格預測的精準性,本文基于CEEMDAN分解算法和ELM極限學習機模型,利用PSO粒子群優(yōu)化算法對機器學習模型進行參數(shù)尋優(yōu),進而構建了CEEMDAN-PSO-ELM模型用于原油期貨價格預測.先基于CEEMDAN算法對原始價格序列進行分解,然后利用Lempel-Ziv復雜度指數(shù)對分量進行重構,得到高頻、中頻和低頻重構分量,再采用PSO-ELM模型對每個重構分量進行預測,利用PACF系數(shù)選取模型輸入變量,最終加總集成各分量預測結果.實證結果表明,與其他15種基準模型相比, CEEMDAN-PSO-ELM模型的預測性能最佳, MCS檢驗和DM檢驗也進一步證實了該模型的穩(wěn)健性. 

【文章來源】：計算機系統(tǒng)應用. 2020,29(02)

【文章頁數(shù)】：12 頁

【參考文獻】：
期刊論文
[1]跳躍風險、結構突變與原油期貨價格波動預測[J]. 龔旭,林伯強.  中國管理科學. 2018(11)
[2]基于EEMD-LSTM-Adaboost的商品價格預測[J]. 邸浩,趙學軍,張自力.  統(tǒng)計與決策. 2018(13)
[3]基于PSO-ELM的機器人精度補償方法研究[J]. 馮禹銘,董秀成,金滔.  計算機應用研究. 2019(10)
[4]經濟政策不確定性與我國股市波動率預測研究[J]. 雷立坤,余江,魏宇,賴曉東.  管理科學學報. 2018(06)
[5]基于二層分解技術和改進極限學習機模型的PM2.5濃度預測研究[J]. 羅宏遠,王德運,劉艷玲,魏帥,林彥兵.  系統(tǒng)工程理論與實踐. 2018(05)
[6]交叉口短時流量CEEMDAN-PE-OSELM預測模型[J]. 田秀娟,于德新,邢雪,商強,王樹興.  哈爾濱工業(yè)大學學報. 2018(03)
[7]基于CEEMDAN-排列熵和泄漏積分ESN的中期電力負荷預測研究[J]. 李軍,李青.  電機與控制學報. 2015(08)
[8]基于MSVAR的國際原油期貨價格變動研究[J]. 李智,林伯強,許嘉峻.  金融研究. 2014(01)



本文編號：3038825