题 目：基于变分和经验模态分解以及转换器模型的原油期货价格预测
主讲人：加拿大劳瑞尔大学赖永增教授
时 间：2024年12月27日（星期五）10:00-12:00
地 点：雁山校区08201
主办单位：数学与统计学院
欢迎广大师生前往参加！
赖永增教授个人简介：
赖永增，加拿大劳瑞尔大学数学系正教授，博士生导师；2000年1月博士毕业于美国加州克莱蒙研究生大学，加拿大滑铁卢大学高级金融研究中心和统计与精算学系博士后；2002年7月至今任加拿大劳瑞尔大学数学系教授。主要研究领域包括金融数学（衍生产品的定价与风险管理、金融计算、投资组合优化、随机分析在金融和保险中的应用）、微分方程在金融和经济学中的应用、蒙特卡洛和拟蒙特卡洛仿真方法及应用；机器学习及其应用（尤其在经济金融中的应用）。在Automatica, Economic Modeling, Energy Economics, Finance Research Letters, Insurance Mathematics and Economics, Journal of Computational Finance, North American Journal of Finance and Economics等国际期刊上发表论文60余篇。主持加拿大国家自然科学与工程基金多项。2020年7月至2023年6月, 担任加拿大科学与工程国家面上基金数学统计口评审委员会委员。
报告内容摘要：
原油是一种原始的、天然的、不可再生的资源。它是世界上最重要的商品之一，其价格可能会对更广泛的经济产生连锁反应。原油价格的预测在原油投资中起着至关重要的作用，并且具有挑战性。由于使用常规组合模型（如自回归移动平均线和长短期记忆预测）预测时忽略了残差因子的缺陷，本报告提出了VMD-EMD-Transformer模型来预测原油价格。此模型将二次分解和基于Transformer模型的机器学习方法有效结合。具体地说，我们采用VMD 技术将原始序列分解为变分模态滤波(VMF)和残差序列，然后使用EMD分解残差序列，最终应用 Transformer 模型来预测分解的模态分量，并将结果叠加以产生最终的预测价格。实证检验结果表明，所提出的二次分解复合模型可以全面识别WTI 和Brent原油期货每日价格序列的特征，在预测原油价格方面优于常用的长短期记忆 （LSTM）、Transformer 和 VMD-Transformer三个模型。
