关键词:
动态相关分析
农产品期货预测
ANN-GARCH
核密度估计
摘要:
粮食安全和农产品稳产保供,是国家长治久安的重要基础。随着国家对农业生产的大力扶持和农业保险的逐步实施,价格代替自然灾害成为农民面对的最大风险,农产品期货市场的期货合约则能够为农民提供生产指导。我国商品交易所上市的农产品期货合约,不仅能充分发挥价格发现功能,也能为企业发挥套期保值功能。企业利用期货回避价格大幅波动中的经营风险,通过套期保值可以在期货市场和现货市场之间建立一种盈亏冲抵的机制。因此分析农产品期货价格的影响因素并精准预测,可以为国家宏观调控、投资人员套期保值规避风险以及农业生产者生产经营提供依据。然而,如今农产品期货的金融属性逐渐显露,金融市场动荡加剧,新冠疫情、国家冲突、宏观经济等诸多因素对粮食等品种的产业链和供应链造成了巨大冲击,农产品期货价格出现违背基本面分析的无规则短期混沌波动,农产品期货价格预测受到了极大的挑战。目前的研究主要集中于期货影响因素和农产品期货预测两方面,却很少有人构建全面分析并精准预测的系统。
针对上述问题,本文提出一个集动态相关分析和期货价格预测于一体的多变量智能混合预测系统。首先,通过t-Copula构造边缘分布估计ADCC动态相关系数刻画经济因素与农产品期货序列的尾部结构相依性,动态相关系数度量经济因素与期货价格的时变联动性进行变量筛选。其次,将EGARCH模型预测的条件异方差作为风险指标与多种人工智能算法结合构建ANN-GARCH子模型,引入多维变分模态分解提取序列频域特征,去除高频特征的负面影响,建立新一代多目标智能优化算法,在多目标下寻找最优权重实现多种ANN-GARCH模型的组合预测。最后,在点预测的基础上,改进核密度估计方法拟合点预测误差分布,得到农产品期货价格预测区间。为验证所提出系统的预测性能,本文以芝加哥商品交易所中的大豆期货作为农产品期货的研究对象,选取16种经济变量分析其与大豆期货之间波动风险的动态相关性,并作为输入变量实现期货价格预测。实证分析结果表明,在点预测和区间预测中,集成式ANN-GARCH预测系统在三步预测中均优于19种基准模型。在模型检验与评估中,经济变量在CAGFs的相对变量重要性提供了混合模型的可解释性,Diebold-Mariano检验、指标改善率检验和优化算法收敛性测试进一步验证了集成式ANN-GARCH预测系统的显著,敏感性分析从模型参数的角度说明CAGFs是相当稳定的,具有广泛的应用前景。因此,多变量智能混合预测系统可以为国家宏观调控、投资人员套期保值规避风险、农业生产者生产经营提供建议。
本文的主要贡献和创新点可以概括为以下几点:第一,通过t-Copula构造边缘分布估计ADCC动态相关系数刻画经济因素与农产品期货序列的尾部结构相依性,分析经济变量和农产品期货市场的时变联动性,时变联动系数代替静态相关系数实现更为全面的变量筛选,避免错误删除静态相关系数低而时变联动性强的预测变量。第二,建立了一个集成式ANN-GARCH预测系统,ARIMA-EGARCH模型保证了条件方差的非负性,同时体现不对称性和杠杆效应,更好地刻画风险,将EGARCH模型预测的条件异方差作为风险指标与多种人工智能算法结合构建ANN-GARCH子模型;引入多维变分模态分解提取序列频域特征,去除高频特征的负面影响;建立新一代多目标智能优化算法,在多目标下寻找最优权重实现多种ANN-GARCH模型的组合预测,极大的提高了农产品期货价格的预测性能。第三,加入自适应Chebyshev混沌映射变异算子和单纯形均匀分布结构对多目标蛇优化算法改进,可以精准初始化种群并扩大搜索范围,极大减少迭代次数,缩短搜索时间提高优化能力。改进的多目标蛇优化算法可以更快速地寻找ANN-GARCH子模型的权重帕累托最优解,同时优化预测精度与预测稳定性。第四,在点预测的基础上,改进核密度估计方法拟合点预测误差分布得到农产品期货价格预测区间,其中智能优化算法优化核密度估计带宽提高核函数拟合效果,折叠高斯核函数代替高斯核函数能够避免因拟合前后预测误差T(η)-F(η)符号不一致引起的预测区间偏移现象,提高区间预测的鲁棒性。