论文部分内容阅读
稀土是极其重要的元素,具有丰富的性能,作为我国的战略性资源其在高新技术领域具有举足轻重的地位。我国稀土的总储量稳居世界第一。稀土的战略性地位无疑成为了我国贸易战中的一张潜力王牌。但稀土市场长时间缺少管理,导致稀土价格低廉,走私严重,且无限制的开采造成环境污染问题使我国遭受了极大的经济损失,并且不利于掌握稀土的定价权。因此掌握其价格波动的变化规律,明确价格变动的影响因素,对我国提高利用稀土资源利用率有显著意义,也是有效规避价格波动的必要手段。本文从稀土资源价格的影响因素出发,考虑了供需因素及金融因素作为稀土产品的价格波动影响因素。构建基于蚁群优化算法的BP神经网络(ACO-BP)组合模型对稀土产品进行预测。首先利用主成分分析(PCA)消除稀土价格预测影响因素之间存在的冗余信息,降低BP神经网络输入数据维数,提高预测精度;继而运用蚁群算法寻找最优的神经网络阈值,以优化模型收敛速度减小预测误差。本文以轻稀土代表产品氧化钕、氧化镧,氧化铈,重稀土代表产品氧化镝作为研究对象。选取2010年1月-2018年3月的月度数据,构建多因素ACO-BP组合模型进行预测。并且与未经优化的BP神经网络模型进行预测结果对比,对比结果表明多因素ACO-BP组合模型在仿真能力、误差水平、收敛精度等方面都优于传统的BP神经网络模型,能更加准确地预测稀土氧化物价格走势,对稀土产品的价格制定有一定的指导作用。根据预测结果,本文构建稀土价格波动预警系统,对价格波动进行预测及预警。稀土价格波动预测预警系统是根据实际的经济市场运作情况,行业整合、国家政治决策等因素,调整优化参数,预测稀土价格的波动趋势,并及时的发布波动预警信号。相关决策者可根据预警信号做出相关政策的及时调整,从而降低市场风险。我们将设置为三级预警体系,即一级风险预警,二级风险预警,三级风险预警。设定三个置信区间,即置信水平为0.99,0.95,0.9的相应置信区间,将预测值的涨跌进行区间划分。协助政府及管理部门指定相应政策,减少价格波动风险。