基于图深度学习的大宗商品价格预测研究

付星星 张 军 秦 岩 宋元超

1(山东理工大学管理学院 山东 淄博 255000) 2(山东卓创资讯股份有限公司 山东 淄博 255000)

0 引 言

随着我国在国际经济贸易中的地位提升，我国已经成为全球最大的大宗商品需求国。除了石油、矿石及各种农产品外，化工产品也是大宗商品的重要组成部分。它可以直接或间接地给能源、纺织、制药、仪器设备等众多行业提供原材料，在我国国民经济发展中处于重要的基础性地位。由于产业链上下游产品数量众多，产业链中上下游产品价格和收益率波动变化往往存在着一定的关联性，具有显著的联动效应[2]，并且价格波动往往表现为复杂的非线性关系，政府对此进行监管有一定的难度。因此，分析产品及其上下游的历史数据和各项技术指标，并依据相关理论和算法模型来预测产业链产品价格走势具有重要的理论意义和社会价值[3]。

目前商品价格预测方法的研究经历了从定性到定量，从对数据的简单统计到经济计量，发展到现在基于大数据背景下的对历史数据的学习算法[4-8]。当前的经典计量经济学方法如ARIMA、Garch和VAR大多直接选取产品市场数据为研究对象，可以合理地在特征提取方面对数据进行降维和转换等操作，但是不能有效地将产业联动效应下多产品价格之间的潜在关联因素考虑在内，更不能针对产业链整体价格走势作出判断。并且这些方法在非线性时间序列预测准确性和时序信息利用方面也存在一定的不足。……