论文部分内容阅读
国际大宗商品市场的分析与预测一直是学界与业界密切关注的热点话题，目前国内外的研究主要基于传统统计数据与相关经济指标进行分析框架的构建。随着大宗商品市场化的加快和电子信息技术的快速发展，以互联网为载体的网络信息将方便快捷地传递到市场与市场参与者。海量网络数据能够有效地表征市场参与者的关注趋势、心理预期以及情感倾向，合理提取与利用此类网络数据能有助于我们更好分析与预测大宗商品市场。因此，在大数据的背景下，研究网络数据在国际大宗商品市场中的分析与应用具有重要的理论和实际意义。 本文从海量开源数据出发，利用搜索引擎平台，提取最核心和有代表性的信息构造网络关注度指标，并利用该指标探讨了不同类型的突发事件对于大宗商品市场的动态路径与影响机理，最后从预测的角度研究如何将网络数据运用到提高大宗商品价格的预测精度中。具体而言，本文基于网络关注度的研究主要包含以下内容: 首先是提出了一套系统的国际大宗商品市场的网络关注度指标的构建体系。由于较难直接度量市场参与者的关注度，我们利用来自公共网络搜索引擎的搜索查询量作为本文的网络关注信号，按照网络数据获取—关键词筛选—时差相关性分析—指标体系构建的顺序，依次实现了热搜关键词的获取、关键搜索词的筛选、一致相关指数的构建以及最终形成了能够较好表征大宗商品市场参与者的网络关注度指标。 其次，利用网络关注度量化突发事件对于大宗商品市场的传导机制与影响效果。为了捕捉不同类型的突发事件对于市场的不同影响，我们针对各类事件构建了相对应的网络关注度指标。本文结合二维经验模态分解(BEMD)模型和广义自回归条件异方差(GARCH)模型来分析网络关注度和原油价格波动在不同频率上的传递，更准确的测量了突发事件对于原油市场的影响幅度和动态路径。实证结果表明，不同类型的突发事件在不同周期将产生不同程度的影响，并且同一突发事件的影响也会随着频率的不同而发生变化。 最后，构建了一个基于网络关注度指标的人工智能预测模型，将互联网信息和人工智能技术结合起来应用于大宗商品的价格预测中。通过引入具有不同核函数的支持向量回归(SVR)模型，分别建立了针对单个市场（原油、铜以及玉米）的网络关注度预测模型和综合考虑市场间联动性的多市场网络关注度预测模型。实证结果表明，网络关注度对于市场价格的变动有显著的格兰杰因果关系，引入网络关注度指标和相关市场信息能显著提高预测精度，同时说明网络关注度已然成为影响市场价格和参与者投资决策的重要因素。 综上，本文采用互联网的网络数据构建了大宗商品市场的网络关注度指标，提出了基于网络关注度指标的突发事件的影响机理分析以及市场价格预测模型。本文的研究紧密结合了大数据时代的热点研究趋势，不仅分析了网络关注数据与国际大宗商品市场之间的关系，而且对于大宗商品市场的突发事件分析、市场预测模型构建具有借鉴意义。本文所提出的研究框架为更多其他研究领域的实时分析与准确预警提供了理论与方法的支持。