论文部分内容阅读
本文的主要工作包括两个方面，首先应用分形理论和混沌理论研究了两类主要国际石油价格的非线性特征，分别计算了两类石油价格收益率的Hurst指数、关联维数和最大Lyapunov指数等分形和混沌特征指数；其次在第一部分的研究基础上使用BP神经网络、广义回归神经网络和支持向量机三种方法对国际石油价格分别进行了预测，最后比较了这几种非线性预测方法的预测效果，主要得出了以下几点结论：
一、国际石油价格的分形特征检验结果表明：国际石油价格具有自相似性、状态持续性、长期记忆性等明显的分形特征，其价格收益率显著地拒绝服从正态分布的原假设，因此国际石油市场不属于EMH所描述的有效市场。R/S分析结果显示石油价格收益率序列有显著大于0.5的Hurst指数，非周期循环长度为1050个交易日左右。
二、国际石油价格的混沌特征分析过程中我们首先采用功率谱方法和BDS统计量的方法对国际石油价格的混沌特性做出了初步的判定；然后分别基于虚假邻点法和C-C方法确定了石油价格序列的相空间重构参数，最后结合MATLAB编程，在两套重构方案下分别计算了两个石油价格的关联维数和Lyapunov指数，计算结果表明石油价格序列都有正的Lyapunov指数，即存在对初始条件的敏感依赖性。
三、最后分别采用BP神经网络、广义回归神经网络和支持向量机三种非线性预测方法对国际石油价格的周数据进行了预测。三种预测模型中BP神经网络的预测效果最为理想，其前50步预测的平均百分误差低于10[％]，其次为支持向量机模型，其可预报尺度也接近30步，广义回归神经网络的预测效果相对较差。