化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)

化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)PAGE 化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)申請(qǐng)上海交通大學(xué)工程碩士學(xué)位論文化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)學(xué)校代碼：10248作者姓名：劉德順學(xué)號(hào)：1070372116第一導(dǎo)師：沈備軍第二導(dǎo)師：學(xué)科專業(yè)：軟件工程答辯日期：年月日上海交通大學(xué)軟件學(xué)院2010年2月

ADissertationSubmittedtoShanghaiforMasterDegreeofEngineeringDEVELOPMENTOFCHEMICALPRODUCTPRICEFORECASTINGANDMANAGEMENTSYSTEMUniversityCode：10248Author：DeshunLiuMentor1：BeijunMentor2:Field：SoftwareEngineeringDateofOralDefense：SchoolShanghaiFeb.，2010上海交通大學(xué)學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下，獨(dú)立進(jìn)行研究工作所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：日期：年月日

上海交通大學(xué)學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國(guó)家有關(guān)部門或機(jī)構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)上海交通大學(xué)可以將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索，可以采用影印、縮印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。 保密□，在年解密后適用本授權(quán)書。本學(xué)位論文屬于 不保密。（請(qǐng)?jiān)谝陨戏娇騼?nèi)打“√”）學(xué)位論文作者簽名：指導(dǎo)教師簽名：日期：年月日日期：年月日PAGEVI 化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)摘要隨著全球經(jīng)濟(jì)一體化進(jìn)程的加快，化工產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)變得更加激烈，化工產(chǎn)品定價(jià)工作也隨之變得越來(lái)越復(fù)雜。為了在激烈的市場(chǎng)競(jìng)爭(zhēng)中，增強(qiáng)對(duì)市場(chǎng)的應(yīng)變能力，把握未來(lái)市場(chǎng)的風(fēng)險(xiǎn)與機(jī)遇，對(duì)產(chǎn)品進(jìn)行合理定價(jià)，為企業(yè)增加效益，也變得越來(lái)越重要。為此，如何通過(guò)價(jià)格管理信息化建設(shè)，強(qiáng)化價(jià)格管理人員對(duì)有關(guān)市場(chǎng)價(jià)格信息了解、分析、預(yù)測(cè)的手段，提高對(duì)市場(chǎng)價(jià)格發(fā)展趨勢(shì)判斷的準(zhǔn)確性，從而更好地服務(wù)于定價(jià)工作，就變得極為迫切?？v觀國(guó)際市場(chǎng)中始終處于競(jìng)爭(zhēng)優(yōu)勢(shì)地位的企業(yè)，都非常重視市場(chǎng)信息資源的開發(fā)和利用，都與企業(yè)信息化的迅速發(fā)展緊密相連。因此，根據(jù)企業(yè)所擁有化工產(chǎn)品的市場(chǎng)營(yíng)銷特點(diǎn)，開發(fā)一個(gè)化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)，提高價(jià)格預(yù)測(cè)和管理工作效率，有效管理化工產(chǎn)品定價(jià)工作，就顯得尤為重要。在本文中，首先通過(guò)對(duì)各類價(jià)格預(yù)測(cè)技術(shù)的優(yōu)缺點(diǎn)分析和各具體預(yù)測(cè)實(shí)驗(yàn)，篩選出了合適的化工產(chǎn)品價(jià)格預(yù)測(cè)技術(shù)。原油是石化產(chǎn)品的根基，因此，一切產(chǎn)品價(jià)格看原油。但相對(duì)石化產(chǎn)品價(jià)格而言，原油價(jià)格目前以致未來(lái)更多的賦予其金融產(chǎn)品的屬性，而石腦油價(jià)格變化特征在石化產(chǎn)品中具有代表性。因此本文針對(duì)原油期貨和石腦油的短期和長(zhǎng)期的價(jià)格預(yù)測(cè)進(jìn)行研究。通過(guò)多個(gè)實(shí)驗(yàn)分析，發(fā)現(xiàn)，溫特斯模型和BP神經(jīng)網(wǎng)絡(luò)模型分別是原油期貨和石腦油的較精確價(jià)格預(yù)測(cè)模型。在此基礎(chǔ)上，本文從目標(biāo)、業(yè)務(wù)流程、功能需求和非功能需求等方面對(duì)該化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)進(jìn)行需求分析，系統(tǒng)由產(chǎn)品定價(jià)、國(guó)際價(jià)格錄入、國(guó)內(nèi)價(jià)格錄入、價(jià)格數(shù)據(jù)倉(cāng)庫(kù)、查詢統(tǒng)計(jì)分析、價(jià)格KPI制定、價(jià)格預(yù)警、價(jià)格預(yù)測(cè)等八個(gè)子系統(tǒng)組成，并能和原有化工與銷售管理信息系統(tǒng)無(wú)縫集成。接著根據(jù)確定的需求，提出了設(shè)計(jì)原則，選定了系統(tǒng)開發(fā)和運(yùn)行的工具和技術(shù)平臺(tái)，并依照系統(tǒng)的解耦原則和MVC(Model-View-Control)設(shè)計(jì)模式將整個(gè)系統(tǒng)的邏輯體系結(jié)構(gòu)劃分為三層：信息表示層、應(yīng)用業(yè)務(wù)層、數(shù)據(jù)存儲(chǔ)層。然后，本文對(duì)系統(tǒng)的部署視圖和數(shù)據(jù)視圖進(jìn)行了詳細(xì)設(shè)計(jì)。最后，系統(tǒng)基于.Net技術(shù)進(jìn)行了實(shí)現(xiàn)，并成功通過(guò)了功能測(cè)試、性能測(cè)試和用戶界面等測(cè)試。目前，化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)已在中國(guó)石油天然氣股份有限公司化工產(chǎn)品價(jià)格管理工作中進(jìn)行實(shí)際運(yùn)行。實(shí)踐表明，該系統(tǒng)能有效提高了價(jià)格管理工作效率，提高了對(duì)市場(chǎng)價(jià)格發(fā)展趨勢(shì)判斷的準(zhǔn)確性，為化工產(chǎn)品價(jià)值和效益的增加起到了重要作用，達(dá)到了預(yù)期的目標(biāo)和需求。本文工作也促使中國(guó)石油化工產(chǎn)品價(jià)格管理信息化建設(shè)邁上新臺(tái)階。關(guān)鍵詞價(jià)格，管理，系統(tǒng)，開發(fā)，應(yīng)用

DEVELOPMENTOFCHEMICALPRODUCTPRICEFORECASTINGANDMANAGEMENTSYSTEMABSTRACTWiththeaccelerationofglobaleconomicintegrationprocess,chemicalproductmarketcompetitionbecomesmoreintense,andchemicalproductspricingpracticesarebecomingincreasinglycomplex.Inthefiercemarketcompetition,inordertoenhancetheresiliencetothemarketandcopewiththerisksandopportunitiesforfuturemarket,ithasalsobecomeincreasinglyimportantfortheenterprisestomakereasonablepricingforitsproductsandtoincreaseefficiency.Therefore,itisurgentlyneededtobuildupapricemanagementinformationsystem,soastostrengthenpricemanagementpersonneltounderstand,analyzeandforecasttherelevantmarketpriceinformation,andenhancetheaccuracyofestimatingthechangetrendofthemarketpricestobetterservetheworkonpricing.Intheinternationalmarket,alltheenterpriseswithcompetitiveadvantagesattachgreatimportancetothedevelopmentandutilizationofmarketinformationresources,andtheirdevelopmentiscloselylinkedwiththerapiddevelopmentofinformationtechnology.Thus,ithasbecomeparticularlyimportanttodevelopachemicalpriceforecastingandmanagementsystembasedonthemarketingcharacteristicsofthechemicalproductsofthecompany.Itcannotonlyworkoutthemarketpriceinformationdata,butalsoimprovetheefficiencyofpriceforecastingandmanagement,andeffectivelymanagechemicalproductspricing.Inthispaper,weselectasuitablechemicalpriceforecastingtechnologythroughtheanalysisofadvantagesanddisadvantagesofvarioustypesofpriceforecastingtechniquesandspecificpredictionexperiments.Crudeoilisthefoundationofpetrochemicalproductsandthepricesforallproductsaredeterminedbyit.Butatpresentorinthelongrunthecrudeoilismoregivenapropertyoffinancialproduct,thereforewhenitcomestothepricesofpetrochemicalproducts,thepricesofnaphthaaremoredirectional.Therefore,thispapertakesthestudyspecificallyontheforecastingofshort-termandlong-termpriceofcrudeoilfuturesandnaphtha.Throughanalysisofseveralexperiments,wefindthatWintersmodelandBPneuralnetworkmodelaremoreaccurateforpriceforecastingofcrudeoilfuturesandnaphtha.Basedonaboveresearches,thispapertakestherequirementanalysisofthischemicalproductspriceforecastingandmanagementsystemintermsofobjectives,businessprocesses,functionalrequirementsandnon-functionalrequirements.Thesystemisconsistedofeightsubsystems,suchasproductpricing,internationalanddomesticpricesinput,pricedatabase,inquirystatisticalanalysis,pricinginaccordancewithKPI,pricealert,priceforecast.Andthissystemcanalsobeseamlesslyintegratedwithlegacychemicalandmarketingmanagementinformationsystem.Thenweproposedesignprinciplesaccordingtoidentifiedrequirements,andselectthetoolandtechnologyplatformforthesystemdevelopmentandoperation.WedividethelogicarchitectureofthewholesystemintothreelayersinaccordancewiththedecouplingprincipleandtheMVC(Model-View-Control)designpattern:informationpresentationlayer,businessapplicationlayer,anddatastoragelayer.Subsequently,weconductadetaileddesignofthesystem’sDeploymentviewanddataview.Finally,technology,andpassesthefunctionaltesting,performancetestinganduserinterfacetesting.Atpresent,thechemicalproductpriceforecastingandmanagementsystemisinactualactioninthemanagementofchemicalproductpriceinPetroChinaCompanyLimited.Practicehasprovedthatthissystemcannotonlyimprovetheefficiencyofpricemanagement,butalsoimprovetheaccuracyoftheestimationofthedevelopmenttrendofthemarketprices.Thesystem,whichhasachievedtheexpectedgoalsandrequirements,alsoplaysanimportantroleinpromotingthevalueandprofitsofchemicalproducts.ThisworkalsofacilitatesPetroChina’sinformatizationofchemicalproductspricemanagementtoanewhigherlevel.Keywordsprice,management,system，develop，application

目錄1緒論 11.1 研究背景 11.2 研究意義 21.3 研究目標(biāo)和內(nèi)容 41.4 論文結(jié)構(gòu) 42相關(guān)技術(shù)綜述 62.1 傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)技術(shù) 62.1.1 趨勢(shì)外推法 62.1.2 平滑預(yù)測(cè)法 72.1.3 Box-Jenkins模型 92.1.4 季節(jié)調(diào)整 102.2 機(jī)器學(xué)習(xí) 102.2.1 BP神經(jīng)網(wǎng)絡(luò) 112.2.2 Elman神經(jīng)網(wǎng)絡(luò) 132.2.3 RBF神經(jīng)網(wǎng)絡(luò) 142.2.4 灰色模型 163化工產(chǎn)品價(jià)格預(yù)測(cè)技術(shù)的研究 173.1 預(yù)測(cè)模型的選擇 173.1.1 指數(shù)平滑模型 173.1.2 BP神經(jīng)網(wǎng)絡(luò)模型 173.2 短期預(yù)測(cè)的實(shí)驗(yàn)和分析 183.2.1 指數(shù)平滑模型的短期預(yù)測(cè) 193.2.2 BP神經(jīng)網(wǎng)絡(luò)模型的短期預(yù)測(cè) 263.3 長(zhǎng)期預(yù)測(cè)的實(shí)驗(yàn)和分析 333.3.1 指數(shù)平滑模型的長(zhǎng)期預(yù)測(cè) 333.3.2 BP神經(jīng)網(wǎng)絡(luò)模型的長(zhǎng)期預(yù)測(cè) 373.4 討論和結(jié)論 424化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)設(shè)計(jì)與測(cè)試 434.1 系統(tǒng)需求分析 434.1.1 系統(tǒng)開發(fā)的目的 434.1.2 業(yè)務(wù)處理流程分析 444.1.3 系統(tǒng)的功能需求 444.1.4 系統(tǒng)的非功能需求 464.2 系統(tǒng)架構(gòu)設(shè)計(jì) 484.2.1 設(shè)計(jì)原則 484.2.2 開發(fā)和運(yùn)行環(huán)境選型 484.2.3 系統(tǒng)頁(yè)面流圖設(shè)計(jì) 484.2.4 系統(tǒng)三層結(jié)構(gòu)設(shè)計(jì) 494.2.5 系統(tǒng)部署視圖設(shè)計(jì) 514.2.6 數(shù)據(jù)庫(kù)設(shè)計(jì) 524.2.7 與現(xiàn)有系統(tǒng)的集成 564.3 系統(tǒng)測(cè)試和試運(yùn)行 574.3.1 系統(tǒng)的測(cè)試 574.3.2 系統(tǒng)的試運(yùn)行及評(píng)價(jià) 625總結(jié)與展望 645.1 本文工作總結(jié) 645.2 展望 65參考文獻(xiàn) 66致謝 68攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文 69 化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā) PAGE71

緒論研究背景隨著全球經(jīng)濟(jì)一體化進(jìn)程的加快，國(guó)內(nèi)外煉化企業(yè)石油化工產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)愈發(fā)激烈，要想在激烈的市場(chǎng)競(jìng)爭(zhēng)中立于不敗之地，尋求持續(xù)、穩(wěn)定、健康發(fā)展，就必須增強(qiáng)對(duì)瞬息萬(wàn)變的市場(chǎng)的應(yīng)變能力，洞悉行業(yè)發(fā)展的趨勢(shì)及未來(lái)將面臨的市場(chǎng)風(fēng)險(xiǎn)與機(jī)遇。為此，國(guó)內(nèi)外煉化企業(yè)加快了企業(yè)信息化建設(shè)，以提高企業(yè)在市場(chǎng)營(yíng)銷中的競(jìng)爭(zhēng)力。從二十世紀(jì)開始，現(xiàn)代信息技術(shù)已經(jīng)在美國(guó)企業(yè)得到廣泛使用[1]。在企業(yè)信息化系統(tǒng)集成方面，美國(guó)企業(yè)最早進(jìn)行了開拓性的嘗試。辦公自動(dòng)化（OA）的概念最早起源于美國(guó)，此外，美國(guó)政府還積極支持電子商務(wù)的發(fā)展。電子商務(wù)的發(fā)展給美國(guó)帶來(lái)了巨大的經(jīng)濟(jì)效益和社會(huì)效益。根據(jù)美國(guó)克利夫蘭咨詢公司的調(diào)查[1]，日本800人以上的工業(yè)企業(yè)都擁有信息處理中心與信息庫(kù)，日本97％的企業(yè)進(jìn)行市場(chǎng)預(yù)測(cè)與中長(zhǎng)期規(guī)劃，55％的大企業(yè)擁有海外情報(bào)機(jī)構(gòu)，其中三井物產(chǎn)公司的信息情報(bào)系統(tǒng)的規(guī)模與效率接近美國(guó)中央情報(bào)局。從使用互聯(lián)網(wǎng)的情況看，1997年日本有33.6％的企業(yè)使用了互聯(lián)網(wǎng)技術(shù)，1998年上升到69.9％。日本企業(yè)能夠在多變的國(guó)際市場(chǎng)中始終處于競(jìng)爭(zhēng)的優(yōu)勢(shì)地位，并迅速發(fā)展起來(lái)，與日本企業(yè)重視信息資源的開發(fā)和利用，企業(yè)信息化的迅速發(fā)展是分不開的。在企業(yè)信息化的道路上，中國(guó)許多企業(yè)借鑒了國(guó)外企業(yè)的道路[1]，即從辦公自動(dòng)化（OA）到企業(yè)信息系統(tǒng)（MIS），然后再到企業(yè)資源計(jì)劃（ERP），最后再到電子商務(wù)（EB）。目前我國(guó)實(shí)施ERP系統(tǒng)的大多數(shù)企業(yè)為國(guó)外跨國(guó)公司在華的獨(dú)資或合資公司。這表明ERP在西方發(fā)達(dá)國(guó)家的應(yīng)用雖然已經(jīng)相當(dāng)廣泛，而在我國(guó)的應(yīng)用尚處于起步階段。中國(guó)石油近幾年加大了信息化建設(shè)的力度和速度，尤其是在化工產(chǎn)品銷售業(yè)務(wù)領(lǐng)域，基本業(yè)務(wù)都實(shí)現(xiàn)了信息化（2000年建立中國(guó)石油化工與銷售管理信息系統(tǒng)，2007年6月ERP在化工產(chǎn)品銷售業(yè)務(wù)全面上線運(yùn)行），并且積累了大量銷售化工產(chǎn)品和相關(guān)產(chǎn)品市場(chǎng)的價(jià)格信息，因此對(duì)積累的信息進(jìn)行整理、統(tǒng)計(jì)、分析，建立化工產(chǎn)品價(jià)格管理信息系統(tǒng)，在數(shù)據(jù)倉(cāng)庫(kù)基礎(chǔ)上，利用數(shù)據(jù)抽取、數(shù)據(jù)挖掘等方法，從過(guò)去的數(shù)據(jù)中總結(jié)出經(jīng)驗(yàn)和方法，并在此基礎(chǔ)上預(yù)測(cè)未來(lái)價(jià)格發(fā)展趨勢(shì)，以此作為制定銷售產(chǎn)品價(jià)格及定價(jià)策略的一個(gè)重要的依據(jù)，對(duì)提高化工產(chǎn)品銷售業(yè)務(wù)的管理水平和盈利能力，都具有非常重要的意義?；ぎa(chǎn)品定價(jià)管理工作比較繁瑣耗時(shí)。價(jià)格管理人員經(jīng)價(jià)格測(cè)算、審批、拆分文件、傳真給有關(guān)單位，每次定價(jià)都需要6-7個(gè)小時(shí)左右，尤其是拆分文件與傳真下發(fā)，相當(dāng)費(fèi)時(shí)。目前我公司有幾十種化工產(chǎn)品，幾百個(gè)牌號(hào)，都需要按八個(gè)生產(chǎn)單位、六個(gè)銷售單位進(jìn)行價(jià)格文件制表，每次下發(fā)文件都要進(jìn)行大量的數(shù)據(jù)錄入工作，而且為了緊跟市場(chǎng)進(jìn)行價(jià)格調(diào)整，經(jīng)常需要縮短定價(jià)周期，因此頻繁制作、下發(fā)價(jià)格文件將耗去價(jià)格管理人員的大部分時(shí)間，經(jīng)常需要加班加點(diǎn)地工作。另外，市場(chǎng)價(jià)格信息的溝通主要通過(guò)電話和傳真的方式進(jìn)行，不利于價(jià)格信息歷史數(shù)據(jù)的累積，更談不上對(duì)其進(jìn)行挖掘，價(jià)格管理人員只能應(yīng)付日常的定價(jià)及文件的下發(fā)工作。為了改變這種現(xiàn)狀，使價(jià)格管理人員把日常工作中大量時(shí)間和精力投入到對(duì)市場(chǎng)價(jià)格信息的研究、分析、預(yù)測(cè)工作中，提高價(jià)格管理工作水平，提高價(jià)格文件制作與下發(fā)工作的效率，公司決定應(yīng)用先進(jìn)的信息技術(shù)、網(wǎng)絡(luò)技術(shù)開發(fā)化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)，進(jìn)一步提升化工產(chǎn)品價(jià)格管理信息化建設(shè)工作水平。研究意義化工產(chǎn)品市場(chǎng)營(yíng)銷完全遵循全球化、市場(chǎng)化的原則，其價(jià)格完全由市場(chǎng)供求關(guān)系決定，而化工產(chǎn)品種類繁多，每一種類又分為大量用途差異化的牌號(hào)，從基本有機(jī)化工產(chǎn)品到最終消費(fèi)品價(jià)值鏈冗長(zhǎng)且復(fù)雜，每一個(gè)環(huán)節(jié)發(fā)生供求關(guān)系的變化都會(huì)影響到其上下游及相關(guān)化工產(chǎn)品的價(jià)格，因而影響定價(jià)的因素是相當(dāng)復(fù)雜的。價(jià)格的重要性和定價(jià)所具有的買賣雙方雙向決策的特征，都使定價(jià)策略成為市場(chǎng)營(yíng)銷組合中最難確定的一部分[2]。因此，及時(shí)掌握某一價(jià)值鏈中某一環(huán)節(jié)供求關(guān)系的變化及可能引起這些變化的市場(chǎng)信息，對(duì)預(yù)測(cè)相關(guān)化工產(chǎn)品的價(jià)格發(fā)展趨勢(shì)就顯得非常重要。如何減少定價(jià)管理人員日常繁瑣的程序化工作，提高價(jià)格信息管理工作效率，使價(jià)格管理人員把更多的時(shí)間、精力投入到對(duì)化工產(chǎn)品及與其相關(guān)的市場(chǎng)信息的了解、分析、預(yù)測(cè)上，成為化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)開發(fā)的主要目的。隨著中國(guó)加入WTO，全球經(jīng)濟(jì)一體化進(jìn)程的加快，中國(guó)不僅加快了改革開放的步伐，而且很快成為世界合成橡膠、合成纖維、合成塑料等大宗石化產(chǎn)品的生產(chǎn)及其制品加工制作的中心，使得與其相關(guān)的石化產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)激烈，價(jià)格波動(dòng)頻繁。也使得中國(guó)成為鞋帽、服裝等紡織品，輪胎等橡膠制品，與塑料有關(guān)的家電等電氣產(chǎn)品的世界貿(mào)易主要出口國(guó)。為了應(yīng)對(duì)加入WTO后市場(chǎng)經(jīng)濟(jì)環(huán)境，提高市場(chǎng)競(jìng)爭(zhēng)力，中國(guó)石油從2000年開始優(yōu)化企業(yè)治理結(jié)構(gòu)，使化工產(chǎn)品市場(chǎng)營(yíng)銷朝著扁平化、專業(yè)化的高效管理結(jié)構(gòu)發(fā)展，精簡(jiǎn)機(jī)構(gòu)與人員。眾所周知，影響企業(yè)利潤(rùn)的三要素[3]為:銷量、價(jià)格與成本。即：利潤(rùn)=銷量×價(jià)格－成本。在此關(guān)系式中，價(jià)格與銷量和成本一樣是企業(yè)管理的重要工作，尤其價(jià)格有著極強(qiáng)的杠桿作用，是調(diào)解量?jī)r(jià)優(yōu)化配合的重要手段。價(jià)格往往是企業(yè)和顧客關(guān)系緊張的關(guān)鍵，是競(jìng)爭(zhēng)者奪取市場(chǎng)份額的武器[3]，也是公司內(nèi)部生產(chǎn)企業(yè)與銷售企業(yè)矛盾的根源。在完全競(jìng)爭(zhēng)環(huán)境下的化工產(chǎn)品市場(chǎng)營(yíng)銷中，很多企業(yè)都放棄了定價(jià)的主動(dòng)性，他們要么“讓市場(chǎng)決定價(jià)格”，要么認(rèn)為“應(yīng)該和競(jìng)爭(zhēng)者價(jià)格保持一致”。在完全市場(chǎng)化競(jìng)爭(zhēng)中，客戶與競(jìng)爭(zhēng)者都處在一個(gè)相當(dāng)復(fù)雜的營(yíng)銷環(huán)境中，在這樣的環(huán)境中，如果對(duì)定價(jià)復(fù)雜性缺乏了解而“想當(dāng)然”的草率定價(jià)，無(wú)疑將對(duì)企業(yè)經(jīng)營(yíng)狀況造成嚴(yán)重的影響。而聰明的定價(jià)者不會(huì)讓“市場(chǎng)”或“競(jìng)爭(zhēng)對(duì)手”來(lái)決定價(jià)格，而是針對(duì)特定的供求關(guān)系，通過(guò)服務(wù)和說(shuō)明以及具有競(jìng)爭(zhēng)力的產(chǎn)品與價(jià)格，為產(chǎn)品創(chuàng)造價(jià)值，充分發(fā)揮價(jià)格杠桿作用，實(shí)現(xiàn)優(yōu)化的量?jī)r(jià)配合，既要著眼于目前市場(chǎng)，更要著眼于未來(lái)市場(chǎng)的發(fā)展。然而，正確的定價(jià)是相當(dāng)復(fù)雜的，但也是可以進(jìn)行有效管理的。價(jià)格管理的復(fù)雜性主要體現(xiàn)在兩個(gè)方面[3]，即相互依存性和信息。相互依存性表現(xiàn)在產(chǎn)品的相互依存和市場(chǎng)的相互依存兩個(gè)方面。產(chǎn)品的相互依存是指產(chǎn)品的替代與互補(bǔ)，這種產(chǎn)品之間的關(guān)聯(lián)性隨著技術(shù)的創(chuàng)新與進(jìn)步變得越發(fā)復(fù)雜；市場(chǎng)的相互依存是指不同地區(qū)、國(guó)家隨著全球經(jīng)濟(jì)一體化發(fā)展，其產(chǎn)品標(biāo)準(zhǔn)趨于統(tǒng)一，并隨著市場(chǎng)對(duì)全球資源的優(yōu)化配置，各區(qū)域的協(xié)同性增強(qiáng)，從工業(yè)品生產(chǎn)到消費(fèi)品消耗，其過(guò)程中各環(huán)節(jié)在世界范圍內(nèi)協(xié)作的復(fù)雜性增強(qiáng)。定價(jià)復(fù)雜性的另一重要原因就是信息。隨著信息時(shí)代的來(lái)臨，信息的傳遞更加通暢了，信息技術(shù)方便了價(jià)格信息在全球范圍內(nèi)的傳遞，也方便了人們對(duì)有關(guān)價(jià)格信息的跟蹤，這就需要人們對(duì)不同區(qū)域、國(guó)家進(jìn)行協(xié)調(diào)定價(jià)。相互依存性和信息這兩個(gè)因素增加了價(jià)格管理工作的復(fù)雜性，價(jià)格管理人員不僅要管理好這兩個(gè)因素，而且還要對(duì)其進(jìn)行深層次的挖掘分析，并預(yù)測(cè)相關(guān)產(chǎn)品未來(lái)價(jià)格的走勢(shì)，從而正確定價(jià)，既要抓住未來(lái)市場(chǎng)機(jī)遇，又要規(guī)避未來(lái)市場(chǎng)的風(fēng)險(xiǎn)，甚或要思考相關(guān)產(chǎn)業(yè)可能的演變趨勢(shì)，以便做好調(diào)整產(chǎn)品結(jié)構(gòu)的準(zhǔn)備工作。價(jià)格決策是一種藝術(shù)，為了做出有效的價(jià)格決策，決策者必須綜合考慮各種影響定價(jià)的因素。但是，有效的定價(jià)策略往往是相當(dāng)復(fù)雜的，而且涉及的范圍遠(yuǎn)遠(yuǎn)超出價(jià)格手段本身[4]。為此，在公司高效管理結(jié)構(gòu)基礎(chǔ)上，面對(duì)精簡(jiǎn)機(jī)構(gòu)與人員的實(shí)際情況，強(qiáng)化價(jià)格管理人員的管理手段，提高價(jià)格管理工作的效能就成為很緊迫的現(xiàn)實(shí)問(wèn)題。化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的開發(fā)是提高定價(jià)管理水平，實(shí)現(xiàn)市場(chǎng)價(jià)格信息數(shù)據(jù)挖掘，提高價(jià)格預(yù)測(cè)和管理工作效率的有效手段。隨著公司石化產(chǎn)品業(yè)務(wù)的發(fā)展壯大，對(duì)保證有效管理石化產(chǎn)品定價(jià)工作也顯得十分重要。研究目標(biāo)和內(nèi)容本文的研究目標(biāo)是設(shè)計(jì)和實(shí)現(xiàn)一個(gè)化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)，該系統(tǒng)應(yīng)具有以下特性：規(guī)范化工產(chǎn)品定價(jià)標(biāo)準(zhǔn)，實(shí)現(xiàn)定價(jià)過(guò)程標(biāo)準(zhǔn)化，并把價(jià)格信息及時(shí)準(zhǔn)確寫入建立的化工產(chǎn)品價(jià)格數(shù)據(jù)庫(kù)中；對(duì)化工產(chǎn)品價(jià)格進(jìn)行統(tǒng)計(jì)分析，及時(shí)查詢和實(shí)行化工產(chǎn)品價(jià)格的監(jiān)督功能；建立價(jià)格預(yù)警功能，監(jiān)控和報(bào)告非常規(guī)價(jià)格情況；建立價(jià)格預(yù)測(cè)模型，為化工產(chǎn)品定價(jià)提供依據(jù)；對(duì)價(jià)格文件等關(guān)鍵數(shù)據(jù)使用電子印章和數(shù)字證書等技術(shù)，以增加文件的保密性和安全性；增加審批流程，對(duì)需要下發(fā)的文件，實(shí)行先審核后下發(fā)；加強(qiáng)數(shù)據(jù)共享度。通過(guò)規(guī)范化工產(chǎn)品價(jià)格管理業(yè)務(wù)流程，利用軟件工程技術(shù)實(shí)現(xiàn)化工產(chǎn)品價(jià)格管理信息化，提高化工產(chǎn)品價(jià)格管理工作的質(zhì)量與效率，強(qiáng)化價(jià)格管理人員對(duì)有關(guān)市場(chǎng)價(jià)格信息了解、分析、預(yù)測(cè)的手段，提高對(duì)市場(chǎng)價(jià)格發(fā)展趨勢(shì)判斷的準(zhǔn)確性，從而更好地服務(wù)于定價(jià)及營(yíng)銷策略的制定。本文的研究?jī)?nèi)容包括：調(diào)研系統(tǒng)的需求；研究?jī)r(jià)格預(yù)警模型；研究?jī)r(jià)格預(yù)測(cè)模型；設(shè)計(jì)系統(tǒng)的架構(gòu)；開發(fā)和測(cè)試系統(tǒng)；部署和運(yùn)行系統(tǒng)。論文結(jié)構(gòu)全文共由5章組成。第一章簡(jiǎn)要介紹本文的研究背景、研究目標(biāo)、研究?jī)?nèi)容和組織結(jié)構(gòu)。第二章綜述價(jià)格預(yù)測(cè)技術(shù)。本章概述價(jià)格預(yù)測(cè)技術(shù)的分類及各類預(yù)測(cè)技術(shù)的原理，并通過(guò)對(duì)各類價(jià)格預(yù)測(cè)技術(shù)優(yōu)缺點(diǎn)的分析，提出化工產(chǎn)品價(jià)格預(yù)測(cè)技術(shù)研究實(shí)驗(yàn)所要應(yīng)用的價(jià)格預(yù)測(cè)技術(shù)。第三章深入研究化工產(chǎn)品價(jià)格預(yù)測(cè)技術(shù)。本章重點(diǎn)通過(guò)對(duì)原油期貨和石腦油價(jià)格預(yù)測(cè)實(shí)驗(yàn)分析，篩選出適合原油、石腦油價(jià)格預(yù)測(cè)的技術(shù)。第四章詳細(xì)闡述化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的需求分析、設(shè)計(jì)、測(cè)試和試運(yùn)行。第五章在論文最后，對(duì)全文進(jìn)行總結(jié)，對(duì)化工產(chǎn)品價(jià)格預(yù)測(cè)和管理系統(tǒng)的應(yīng)用效果情況進(jìn)行分析，并提出進(jìn)一步完善該系統(tǒng)的建議。

相關(guān)技術(shù)綜述當(dāng)代價(jià)格預(yù)測(cè)技術(shù)起源于20世紀(jì)初，隨著綜合指數(shù)法、趨勢(shì)外推法等方法的出現(xiàn)與應(yīng)用，價(jià)格預(yù)測(cè)技術(shù)得到了重視，吸引了不少專家投入到這一領(lǐng)域之中。目前，價(jià)格預(yù)測(cè)技術(shù)已經(jīng)有了完善的理論體系和大量的預(yù)測(cè)模型，并被廣泛運(yùn)用，對(duì)企業(yè)和機(jī)構(gòu)做出科學(xué)決策有著重大的意義。從預(yù)測(cè)的時(shí)間范圍劃分，價(jià)格預(yù)測(cè)可以分為短期預(yù)測(cè)、中期預(yù)測(cè)和長(zhǎng)期預(yù)測(cè)。一般來(lái)講，短期預(yù)測(cè)是指以天為周期的預(yù)測(cè)，中期預(yù)測(cè)指以星期為周期的預(yù)測(cè)，而長(zhǎng)期預(yù)測(cè)則是以月份甚至是年為周期的預(yù)測(cè)?？偟膩?lái)說(shuō)，預(yù)測(cè)精度隨著預(yù)測(cè)周期的延長(zhǎng)而下降[5]。從預(yù)測(cè)的技術(shù)劃分，價(jià)格預(yù)測(cè)技術(shù)又可以分為傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)和機(jī)器學(xué)習(xí)兩大類。傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)技術(shù)統(tǒng)計(jì)預(yù)測(cè)技術(shù)可分為定性預(yù)測(cè)和定量預(yù)測(cè)兩類。1)定性預(yù)測(cè)依靠熟悉業(yè)務(wù)知識(shí)、具有豐富經(jīng)驗(yàn)和綜合分析能力的人員與專家，運(yùn)用個(gè)人的經(jīng)驗(yàn)和分析判斷能力進(jìn)行預(yù)測(cè)[6]。2)定量預(yù)測(cè)則利用歷史數(shù)據(jù)，建立數(shù)學(xué)模型，對(duì)價(jià)格進(jìn)行預(yù)測(cè)。由于定量預(yù)測(cè)建立在大量歷史統(tǒng)計(jì)數(shù)據(jù)上，能較準(zhǔn)確地預(yù)測(cè)出對(duì)象的變化，所以價(jià)格預(yù)測(cè)一般以定量預(yù)測(cè)為主。常見的定量預(yù)測(cè)方法有以下幾種：趨勢(shì)外推法、平滑預(yù)測(cè)法、Box-Jenkins模型、季節(jié)調(diào)整。以下各小節(jié)分別對(duì)這幾種方法進(jìn)行分析。趨勢(shì)外推法如果預(yù)測(cè)對(duì)象隨時(shí)間變化呈現(xiàn)某一特定趨勢(shì)，并且能找到一個(gè)合適的函數(shù)曲線反映這種趨勢(shì)，就能用該函數(shù)對(duì)未來(lái)變化進(jìn)行預(yù)測(cè)[7]。使用趨勢(shì)外推法時(shí)，先對(duì)歷史數(shù)據(jù)用線性、多項(xiàng)式、指數(shù)、對(duì)數(shù)、冪等函數(shù)分別進(jìn)行回歸分析，得到相關(guān)系數(shù)R，R越接近1表明數(shù)據(jù)的趨勢(shì)與該函數(shù)越吻合。根據(jù)R選定函數(shù)后，就可以對(duì)未來(lái)價(jià)格趨勢(shì)進(jìn)行預(yù)測(cè)。趨勢(shì)外推法的優(yōu)點(diǎn)是使用簡(jiǎn)單，然而大部分商品的價(jià)格走勢(shì)不可能用一個(gè)簡(jiǎn)單的函數(shù)來(lái)表示，此時(shí)預(yù)測(cè)出來(lái)的結(jié)果準(zhǔn)確率就很低。平滑預(yù)測(cè)法平滑預(yù)測(cè)法一般包括移動(dòng)平均法和指數(shù)平滑法兩種。1）移動(dòng)平均法移動(dòng)平均法假設(shè)商品的價(jià)格不會(huì)有很大的波動(dòng)，因此可以把最近N個(gè)時(shí)間點(diǎn)的平均值作為下一個(gè)時(shí)間點(diǎn)的預(yù)測(cè)值。其優(yōu)點(diǎn)是能夠有效地消除歷史記錄中的隨機(jī)波動(dòng)，然而對(duì)于存在季節(jié)性因素，或者價(jià)格快速升降的商品，仍然無(wú)法預(yù)測(cè)出其變化趨勢(shì)。設(shè)時(shí)間序列為x1,x2,…,移動(dòng)平均法可以表示為：yt+1=(xt式中，xt為最新的觀察值，yt+1是下一期的預(yù)測(cè)值。該模型的一種改進(jìn)是加權(quán)移動(dòng)平均法，即為不同的觀察值賦予不同權(quán)重，越新的觀察值權(quán)重越大。另一種改進(jìn)是線性二次移動(dòng)平均法，即在一次移動(dòng)平均的基礎(chǔ)上，再進(jìn)行一次移動(dòng)平均，把一次平均和二次平均的差值加在一次平均的值上，作為趨勢(shì)的修正。2）一次指數(shù)平滑指數(shù)平滑法最早是由C.CHolt于1958年提出的，后來(lái)經(jīng)統(tǒng)計(jì)學(xué)家深入研究使得指數(shù)平滑法非常豐富，應(yīng)用也相當(dāng)廣泛。指數(shù)平滑法不僅考慮最近時(shí)間點(diǎn)的數(shù)據(jù)，還考慮遠(yuǎn)期的歷史數(shù)據(jù)，但會(huì)為數(shù)據(jù)賦予權(quán)值，越新的歷史數(shù)據(jù)權(quán)值越大[8]。設(shè)時(shí)間序列為x1,x2,…,指數(shù)平滑法可以表示為：yt+1=αxt+α(1-α)式中，xt為最新的觀察值，yt+1是下一期的預(yù)測(cè)值。α為參數(shù)。該式子等價(jià)于yt+1=αxt+(1-α)y也就是說(shuō)，在實(shí)際使用的時(shí)候，確定了參數(shù)α后，只需要知道前一期的預(yù)測(cè)值yt和實(shí)際值xt，就能計(jì)算出下一期的預(yù)測(cè)值。這帶來(lái)的優(yōu)點(diǎn)是，不需要存儲(chǔ)大量的歷史數(shù)據(jù)就可以進(jìn)行預(yù)測(cè)。當(dāng)?shù)玫揭粋€(gè)最新的觀察值時(shí)，可以很快地得到下一個(gè)預(yù)測(cè)值，即進(jìn)行滾動(dòng)預(yù)測(cè)。3）布朗模型為了能反映價(jià)格快速升降的趨勢(shì)，可以對(duì)指數(shù)平滑再次進(jìn)行平滑，即二次指數(shù)平滑預(yù)測(cè)，甚至可以用三次指數(shù)平滑來(lái)反映具有冪增長(zhǎng)的趨勢(shì)。布朗模型是一種單參數(shù)二次平滑模型，其基本原理是：當(dāng)趨勢(shì)存在時(shí)，一次和二次平滑值都滯后于實(shí)際值，把一次和二次平滑值之差加在一次平滑值上，就可以對(duì)趨勢(shì)進(jìn)行修正。設(shè)時(shí)間序列為x1,x2,…,布朗模型可以表示為：St=αxt+(1-α)Dt=αSt+(1-α)at=2St-bt=St-yt+m=at+b式中，xt為最新的觀察值，yt+m是下m期的預(yù)測(cè)值。St是一次平滑的結(jié)果，Dt是二次平滑的結(jié)果。α為參數(shù)。4）溫特斯模型溫特斯模型則直接對(duì)趨勢(shì)進(jìn)行平滑。其計(jì)算公式為：St=αxt+bt=β(St-yt+m=St+式中，xt為最新的觀察值，yt+m是下m期的預(yù)測(cè)值。St是一次平滑的結(jié)果，bt是對(duì)趨勢(shì)平滑的結(jié)果。α和β為參數(shù)。5）季節(jié)指數(shù)平滑模型指數(shù)平滑法還可以再進(jìn)行擴(kuò)展，加入季節(jié)性因素的影響，霍爾特-溫特斯季節(jié)指數(shù)平滑模型就是一種結(jié)合趨勢(shì)增量和季節(jié)變動(dòng)的指數(shù)平滑法[9]。其計(jì)算公式為：St=αxt/bt=β(St-It=γxt/yt+m=(St式中，xt為最新的觀察值，yt+m是下m期的預(yù)測(cè)值。St是一次平滑的結(jié)果，bt是對(duì)趨勢(shì)平滑的結(jié)果，It是對(duì)季節(jié)因素平滑的結(jié)果。L是季節(jié)的長(zhǎng)度。α，β和γ為參數(shù)。6）小結(jié)由于指數(shù)平滑法實(shí)現(xiàn)難度不是很大，而且一般能達(dá)到相對(duì)較高的準(zhǔn)確率，所以是使用得最多的預(yù)測(cè)方法。但使用指數(shù)平滑法有一個(gè)重要的問(wèn)題，就是模型中的系數(shù)難以確定，通常要經(jīng)過(guò)反復(fù)試驗(yàn)才能找到最佳值。Box-Jenkins模型Box-Jenkins模型[10]是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名時(shí)間序列預(yù)測(cè)方法，其基本思想是：將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，用一定的數(shù)學(xué)模型來(lái)近似描述這個(gè)序列。這個(gè)模型一旦被識(shí)別后就可以從時(shí)間序列的過(guò)去值及現(xiàn)在值來(lái)預(yù)測(cè)未來(lái)值。Box-Jenkins模型又稱為自回歸移動(dòng)平均模型(AutoregressiveIntegratedMovingAverageModel,簡(jiǎn)記ARIMA)，由自回歸模型（簡(jiǎn)稱AR模型）與滑動(dòng)平均模型（簡(jiǎn)稱MA模型）為基礎(chǔ)“混合”構(gòu)成[11]。Box-Jenkins模型預(yù)測(cè)的基本程序：1）根據(jù)時(shí)間序列的散點(diǎn)圖、自相關(guān)函數(shù)和偏自相關(guān)函數(shù)圖以ADF單位根檢驗(yàn)其方差、趨勢(shì)及其季節(jié)性變化規(guī)律，對(duì)序列的平穩(wěn)性進(jìn)行識(shí)別。一般來(lái)講，經(jīng)濟(jì)運(yùn)行的時(shí)間序列都不是平穩(wěn)序列。2）對(duì)非平穩(wěn)序列進(jìn)行平穩(wěn)化處理。如果數(shù)據(jù)序列是非平穩(wěn)的，并存在一定的增長(zhǎng)或下降趨勢(shì)，則需要對(duì)數(shù)據(jù)進(jìn)行差分處理，如果數(shù)據(jù)存在異方差，則需對(duì)數(shù)據(jù)進(jìn)行技術(shù)處理，直到處理后的數(shù)據(jù)的自相關(guān)函數(shù)值和偏相關(guān)函數(shù)值無(wú)顯著地異于零。3）根據(jù)時(shí)間序列模型的識(shí)別規(guī)則，建立相應(yīng)的模型。若平穩(wěn)序列的偏相關(guān)函數(shù)是截尾的，而自相關(guān)函數(shù)是拖尾的，可斷定序列適合AR模型；若平穩(wěn)序列的偏相關(guān)函數(shù)是拖尾的，而自相關(guān)函數(shù)是截尾的，則可斷定序列適合MA模型；若平穩(wěn)序列的偏相關(guān)函數(shù)和自相關(guān)函數(shù)均是拖尾的，則序列適合ARMA模型。4）進(jìn)行參數(shù)估計(jì)，檢驗(yàn)是否具有統(tǒng)計(jì)意義。5）進(jìn)行假設(shè)檢驗(yàn)，診斷殘差序列是否為白噪聲。6）利用已通過(guò)檢驗(yàn)的模型進(jìn)行預(yù)測(cè)分析。Box-Jenkins模型的缺點(diǎn)是，參數(shù)選擇比較依賴人的主觀判斷，難以實(shí)現(xiàn)自動(dòng)化，如果要多次預(yù)測(cè)取平均誤差，工作量很大。另外，該模型要求數(shù)據(jù)是平穩(wěn)的，或者能夠被處理成平穩(wěn)序列。但在實(shí)際應(yīng)用中，數(shù)據(jù)序列不一定能夠被處理成平穩(wěn)序列，使得該模型無(wú)法使用。季節(jié)調(diào)整經(jīng)濟(jì)時(shí)間序列往往受到眾多因素的影響，但這些影響一般都可以歸類到長(zhǎng)期趨勢(shì)、季節(jié)變動(dòng)、周期變動(dòng)和不規(guī)則變動(dòng)這四類因素。長(zhǎng)期趨勢(shì)反映了時(shí)間序列在一個(gè)較長(zhǎng)時(shí)間內(nèi)的發(fā)展趨勢(shì)，即持續(xù)向上或持續(xù)向下或平穩(wěn)；周期變動(dòng)因素是指持續(xù)的周期性波動(dòng)；不規(guī)則變動(dòng)則是各種偶然、隨機(jī)因素所形成的變動(dòng)；季節(jié)變動(dòng)因素指年復(fù)一年地重復(fù)出現(xiàn)的有規(guī)律的波動(dòng)，例如由于氣候變化造成原油需求量變化，圣誕節(jié)等固定節(jié)假日造成商品銷售量上升等等。季節(jié)調(diào)整就是把經(jīng)濟(jì)序列中的季節(jié)因素剔除掉。這樣做有幾個(gè)好處：一是可以發(fā)現(xiàn)序列中的季節(jié)變動(dòng)因素，為人們的經(jīng)濟(jì)分析、決策制定提供幫助；二是有助于發(fā)現(xiàn)序列的真正趨勢(shì)，避免因季節(jié)因素的影響而對(duì)趨勢(shì)做出錯(cuò)誤判斷；三是剔除季節(jié)因素后可能使得序列的預(yù)測(cè)能夠更為精確，一般可以對(duì)處理后的序列進(jìn)行預(yù)測(cè)，把預(yù)測(cè)值乘上季節(jié)因素后得到實(shí)際預(yù)測(cè)值。美國(guó)普查局Shiskin等人于1965年開發(fā)了X-11季節(jié)調(diào)整法[12]，并逐步完善，其思想是用滑動(dòng)平均來(lái)估計(jì)趨勢(shì)成分和季節(jié)成分。1980年，加拿大統(tǒng)計(jì)局在X-11方法的基礎(chǔ)上開發(fā)了X-11-ARIMA方法；1998年，美國(guó)普查局在X-11-ARIMA基礎(chǔ)上開發(fā)了X-12-ARIMA。X-12方法已經(jīng)得到了廣泛的使用機(jī)器學(xué)習(xí)傳統(tǒng)的統(tǒng)計(jì)預(yù)測(cè)技術(shù)對(duì)于復(fù)雜非線性趨勢(shì)函數(shù)的擬合不能很好地處理，因此，以神經(jīng)網(wǎng)絡(luò)為代表的機(jī)器學(xué)習(xí)預(yù)測(cè)法便應(yīng)運(yùn)而生。常見的機(jī)器學(xué)習(xí)預(yù)測(cè)法包括以下幾種：BP神經(jīng)網(wǎng)絡(luò)、Elman神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、灰色模型等。以下各小節(jié)分別對(duì)這幾種方法進(jìn)行分析。BP神經(jīng)網(wǎng)絡(luò)Rumelhart和McClelland等人于1985年提出了神經(jīng)網(wǎng)絡(luò)中的前向多層網(wǎng)絡(luò)的反向傳播(簡(jiǎn)稱BP算法).前向多層網(wǎng)絡(luò)可用一有向無(wú)環(huán)路圖表示.輸入節(jié)點(diǎn)是樣本的特征,輸出節(jié)點(diǎn)依問(wèn)題而定,在輸入和輸出節(jié)點(diǎn)之間加入若干層隱節(jié)點(diǎn).用S型函數(shù)作為節(jié)點(diǎn)的激活函數(shù),利用梯度下降法,從輸出節(jié)點(diǎn)開始,逐層修正權(quán)系數(shù)。圖2-1BP網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2-1BPnetworkstructurediagramBP神經(jīng)網(wǎng)絡(luò)是一種單向傳播的多層前向網(wǎng)絡(luò)，其結(jié)構(gòu)如圖2-1所示。由圖2-1所示，BP網(wǎng)絡(luò)是一種具有3層或3層以上的神經(jīng)網(wǎng)絡(luò)，包括輸入層、中間層(隱含層)和輸出層。上下層之間實(shí)現(xiàn)全連接，而每層神經(jīng)元之間無(wú)連接。當(dāng)一對(duì)學(xué)習(xí)樣本提供給網(wǎng)絡(luò)后，神經(jīng)元的激活值從輸入層經(jīng)各中間層向輸出層傳播，在輸出層的各神經(jīng)元獲得網(wǎng)絡(luò)的輸人響應(yīng)。然后，按照減少目標(biāo)輸出與實(shí)際誤差的方向，從輸出層經(jīng)過(guò)各中間層逐層修正各連接權(quán)值，最后回到輸入層，這種算法稱為“誤差逆?zhèn)鞑ニ惴ā?，即BP算法。隨著這種誤差逆向傳播修正不斷進(jìn)行，網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率也不斷上升。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)主要有以下不足：對(duì)于一些復(fù)雜的問(wèn)題，可能需要較長(zhǎng)的訓(xùn)練時(shí)間;可能會(huì)完全不能訓(xùn)練，網(wǎng)絡(luò)出現(xiàn)麻痹現(xiàn)象;容易陷入局部極小值，不能保證所求解為誤差平面的全局最小解。以下有幾種可能的改進(jìn)方法：1）提高收斂速度[13]BP算法的有效性和收斂性，在很大程度上取決于學(xué)習(xí)速率。學(xué)習(xí)速率的最優(yōu)值與具體問(wèn)題有關(guān)，沒(méi)有對(duì)任何問(wèn)題都適合的學(xué)習(xí)速率。即使對(duì)于某一特定問(wèn)題，也很難找到一個(gè)自始至終都合適的學(xué)習(xí)速率。訓(xùn)練開始時(shí)較合適的學(xué)習(xí)速率，后來(lái)不一定合適。通常調(diào)節(jié)學(xué)習(xí)速率的準(zhǔn)則是:檢查權(quán)值的修正值是否降低了誤差函數(shù)，如果確實(shí)如此，則說(shuō)明選取的學(xué)習(xí)速率值小了，可對(duì)其增加一個(gè)量;若不是這樣，而產(chǎn)生了過(guò)調(diào)，那么就應(yīng)該減少學(xué)習(xí)速率的值。下面給出了一種自適應(yīng)學(xué)習(xí)速率的調(diào)整公式:ηk+1=1.05ηkE(k+1)<E(k)0.7ηk此方法可以保證網(wǎng)絡(luò)總是以網(wǎng)絡(luò)可以接受的最大的學(xué)習(xí)速率進(jìn)行訓(xùn)練。當(dāng)一個(gè)較大的學(xué)習(xí)速率仍能夠使網(wǎng)絡(luò)穩(wěn)定學(xué)習(xí)，使其誤差繼續(xù)下降，則增加學(xué)習(xí)速率，使其以更大的學(xué)習(xí)速率進(jìn)行學(xué)習(xí)。一旦學(xué)習(xí)速率調(diào)得過(guò)大，而不能保證誤差繼續(xù)減少，則減少學(xué)習(xí)速率，直到使其學(xué)習(xí)過(guò)程穩(wěn)定為止閉。2）局部極小值的處理[13]附加動(dòng)量法使網(wǎng)絡(luò)在修正其權(quán)值時(shí)，不僅考慮誤差在梯度上的作用，而且考慮在誤差曲面上變化趨勢(shì)的影響。該方法是在反向傳播的基礎(chǔ)上在每一個(gè)權(quán)值的變化上加上一項(xiàng)正比于前一次權(quán)值變化量的值，并根據(jù)反向傳播法來(lái)產(chǎn)生新的權(quán)值變化。帶有附加動(dòng)量因子的權(quán)值調(diào)節(jié)公式為:?wyk+1?θi式中，k為訓(xùn)練次數(shù);mc為動(dòng)量因子，一般取0.95左右。訓(xùn)練中對(duì)動(dòng)量法的判斷條件為:mc=0E(k)>1.04E(k-1)0.95E(k)附加動(dòng)量法的實(shí)質(zhì)是將最后一次權(quán)值變化的影響，通過(guò)一個(gè)動(dòng)量因子來(lái)傳遞。當(dāng)動(dòng)量因子取值為0時(shí)，權(quán)值的變化僅是根據(jù)梯度下降法產(chǎn)生;當(dāng)動(dòng)量因子取為1時(shí)，新的權(quán)值變化則是設(shè)置為最后一次權(quán)值的變化，而以梯度法產(chǎn)生的變化部分則被忽略掉了。采用附加動(dòng)量法可以降低網(wǎng)絡(luò)對(duì)于誤差曲面局部細(xì)節(jié)的敏感性，有效地抑制網(wǎng)絡(luò)陷人局部極小。3）結(jié)合遺傳算法[14]模型構(gòu)造的總體思想是首先使用主成分分析法對(duì)原始輸人變量進(jìn)行主成分分析，提取主成分，將主成分分析結(jié)果歸一化，在對(duì)樣本處理完后，確定網(wǎng)絡(luò)結(jié)構(gòu)。再利用自適應(yīng)遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，然后將歸一化數(shù)據(jù)送人優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練，最終形成一個(gè)適合于期貨價(jià)格預(yù)測(cè)的模型。Elman神經(jīng)網(wǎng)絡(luò)Elman神經(jīng)網(wǎng)絡(luò)一般分為4層:輸人層、隱層、輸出層和承接層(又稱上下文層)，如圖2-2所示。其輸人層、隱層和輸出層的連接類似于前饋網(wǎng)絡(luò)，輸入層的單元僅起信號(hào)傳輸作用，輸出層單元起線性加權(quán)作用，隱層單元的傳遞函數(shù)可采用線性或非線性函數(shù)，上下文層用來(lái)記憶隱層單元前一時(shí)刻的輸出值，可以認(rèn)為是一步延時(shí)算子。Elman型神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是隱層的輸出通過(guò)承接層的延遲與存儲(chǔ)，自聯(lián)到隱層的輸人，這種自聯(lián)方式使對(duì)歷史狀態(tài)的數(shù)據(jù)具有敏感性，內(nèi)部反饋網(wǎng)絡(luò)的加人增加了網(wǎng)絡(luò)本身處理動(dòng)態(tài)信息的能力，從而達(dá)到動(dòng)態(tài)建模的目的[15]。與BP神經(jīng)網(wǎng)絡(luò)相比，Elman算法的收斂速度比較快（訓(xùn)練速度比較快），預(yù)測(cè)穩(wěn)定度也比BP算法好。當(dāng)然，Elman算法也比BP算法要復(fù)雜，實(shí)現(xiàn)難度也大。圖2-2Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖[15]Fig.2-2Elmanneuralnetworkstructure[15]Elman神經(jīng)網(wǎng)絡(luò)還有以下的一種改進(jìn)[16]：改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)是在基本的Elman神經(jīng)網(wǎng)絡(luò)的承接層單元上增加了一個(gè)固定增益為a的自反饋連接，使承接層單元在k時(shí)刻的輸出等于隱層在k-1時(shí)刻的輸出加上承接層在k-1時(shí)刻輸出值的a倍。其結(jié)構(gòu)圖如下圖2-3所示。其中，a為自反饋增益因子。在第k個(gè)時(shí)刻，Elman網(wǎng)絡(luò)的非線性狀態(tài)空間表達(dá)式見圖2-3.以圖2-3為例，Z-1是一步延時(shí)算子，u表示r維網(wǎng)絡(luò)輸人向量，x表示n維隱層單元輸出向量，xc表示n維反饋狀態(tài)向量，y表示Elman網(wǎng)絡(luò)m維輸出向量。W1為輸人層到隱層的連接權(quán)值，w2為上下文層到輸出層的連接權(quán)值，w3為隱層到輸出層的連接權(quán)值。f(·)為隱層單元的傳遞函數(shù)，常采用S型函數(shù)，g(·)為輸出單元的線性傳遞函數(shù)，是隱層輸出的線性組合。Elman神經(jīng)網(wǎng)絡(luò)實(shí)質(zhì)上是在BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，通過(guò)引入反饋信號(hào)，存儲(chǔ)內(nèi)部狀態(tài)使其具備映射動(dòng)態(tài)特征的功能，從而使系統(tǒng)具有適應(yīng)時(shí)變特性的能力，使它的時(shí)間序列的預(yù)測(cè)性能較BP神經(jīng)網(wǎng)絡(luò)更好。對(duì)于網(wǎng)絡(luò)權(quán)值的修正，Elman網(wǎng)絡(luò)采用BP算法，學(xué)習(xí)指標(biāo)函數(shù)采用誤差平方和函數(shù):Ew圖2-3改進(jìn)的Elman神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2-3ImprovedelmanneuralnetworkstructureRBF神經(jīng)網(wǎng)絡(luò)徑向基(RadialBasisFunction，簡(jiǎn)稱RBF)網(wǎng)絡(luò)是一種新穎有效的前向型神經(jīng)網(wǎng)絡(luò)，由于該網(wǎng)絡(luò)輸出層對(duì)中間層的線性加權(quán)，使得該網(wǎng)絡(luò)避免了像BP網(wǎng)絡(luò)那樣繁瑣冗長(zhǎng)的計(jì)算，具有較高的運(yùn)算速度和外推能力，同時(shí)使得網(wǎng)絡(luò)有較強(qiáng)的非線性映射能力。RBF網(wǎng)絡(luò)通過(guò)非線性基函數(shù)的線性組合實(shí)現(xiàn)從輸入空間Rn到輸出空間RBRF網(wǎng)絡(luò)是一種三層前向型神經(jīng)網(wǎng)絡(luò).從網(wǎng)絡(luò)結(jié)構(gòu)上看，它是由第一層的輸人層，第二層的隱層和第三層的輸出層組成.輸入層是由輸入樣本節(jié)點(diǎn)組成;隱層為徑向基層，由于隱層的傳輸函數(shù)(徑向基函數(shù))是非線性的，從而完成從輸入空間到隱含層空間的非線性變換;輸出層為線性層，完成對(duì)隱層空間模式的線性分類，即提供從隱層空間到輸出層空間的線性變換.根據(jù)隱層節(jié)點(diǎn)的個(gè)數(shù)，分兩種網(wǎng)絡(luò)模型:正規(guī)化網(wǎng)絡(luò)和廣義網(wǎng)絡(luò).正規(guī)化網(wǎng)絡(luò)中隱層節(jié)點(diǎn)個(gè)數(shù)與訓(xùn)練樣本數(shù)相同.廣義網(wǎng)絡(luò)采用采用Galerkin方法來(lái)減少隱層節(jié)點(diǎn)的個(gè)數(shù)。廣義的RBF網(wǎng)絡(luò)，輸人層節(jié)點(diǎn)的個(gè)數(shù)為輸人的樣本數(shù)，隱層節(jié)點(diǎn)在學(xué)習(xí)的過(guò)程中自適應(yīng)地增加，為解決股價(jià)預(yù)測(cè)問(wèn)題，因此輸出層節(jié)點(diǎn)只有一個(gè)，即預(yù)測(cè)值.其拓?fù)浣Y(jié)構(gòu)圖如圖2-4所示[17]。圖2-4RBF網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.2-4RBFnetworkstructurediagram設(shè)訓(xùn)練樣本集為X=[x1,x2,…,xs]，Ci為第i神經(jīng)元的徑向基中心，X-CRBF網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程中需要調(diào)整的訓(xùn)練參數(shù)有三個(gè)：徑向基函數(shù)的中心徑向基函數(shù)的寬度隱層到輸出層的連接權(quán)值確定徑向基函數(shù)的中心和寬度采用K均值聚類算法，這是一種無(wú)監(jiān)督的的學(xué)習(xí)算法，它的基本思想為:先將徑向基函數(shù)的中心Ci的初值設(shè)為輸人的訓(xùn)練樣本P，然后將所有的訓(xùn)練樣本按最近的聚類中心分組，如果滿足而min‖Xi-Ci‖，則Xi屬于Ci的集合灰色模型灰色理論經(jīng)過(guò)多年的發(fā)展，已基本建立起一門新興學(xué)科的結(jié)構(gòu)體系，其主要內(nèi)容包括以灰色朦朧集為基礎(chǔ)的理論體系、以灰色關(guān)聯(lián)空間為依托的分析體系、以灰色序列生成為基礎(chǔ)的方法體系、以灰色模型(GM)為核心的模型體系、以系統(tǒng)分析、評(píng)估、建模、預(yù)測(cè)、決策、控制、優(yōu)化為主體的技術(shù)體系?；疑鼥V集、灰色代數(shù)系統(tǒng)、灰色方程、灰色矩陣等是灰色系統(tǒng)理論的基礎(chǔ)，從學(xué)科體系自身的優(yōu)美、完善出發(fā)，這里有許多問(wèn)題值得進(jìn)一步研究?；疑到y(tǒng)分析除灰色關(guān)聯(lián)分析外，還包括灰色聚類和灰色統(tǒng)計(jì)評(píng)估等內(nèi)容?；疑蛄猩赏ㄟ^(guò)序列算子(弱化算子、強(qiáng)化算子)、均值生成算子、級(jí)比生成算子、累加生成算子和累減生成算子等?；疑Ｐ桶凑瘴宀浇Ｋ枷霕?gòu)建，通過(guò)灰色生成或序列算子的作用弱化隨機(jī)性，挖掘潛在規(guī)律，經(jīng)過(guò)灰色差分方程與灰色微分方程之間的互換實(shí)現(xiàn)了利用離散的數(shù)據(jù)序列建立連續(xù)的動(dòng)態(tài)微分方程的新飛躍?；疑A(yù)測(cè)是基于GM模型作出的定量預(yù)測(cè)，按照其功能和特征可分為數(shù)列預(yù)、區(qū)間預(yù)測(cè)，災(zāi)變預(yù)測(cè)、季節(jié)災(zāi)變預(yù)測(cè)、波形預(yù)測(cè)和系統(tǒng)預(yù)測(cè)等幾種類型?；疑珱Q策包括灰靶決策、灰色關(guān)聯(lián)決策、灰色統(tǒng)計(jì)、聚類決策、灰色局勢(shì)決策和灰色層次決策等。灰色控制的主要內(nèi)容包括本征性灰色系統(tǒng)的控制問(wèn)題和以灰色系統(tǒng)方法為基礎(chǔ)構(gòu)成的控制，如灰色關(guān)聯(lián)控制和GM(1,1)預(yù)測(cè)控制等?；疑珒?yōu)化技術(shù)包括灰色線性規(guī)劃、灰色非線性規(guī)劃、灰色整數(shù)規(guī)劃和灰色動(dòng)態(tài)規(guī)劃等。

化工產(chǎn)品價(jià)格預(yù)測(cè)技術(shù)的研究本章將深入研究化工產(chǎn)品價(jià)格的預(yù)測(cè)技術(shù)。原油是石化產(chǎn)品的根基，因此，一切產(chǎn)品價(jià)格看原油。但相對(duì)石化產(chǎn)品價(jià)格而言，原油價(jià)格不完全遵循供求關(guān)系，由于其不可再生的稀缺資源特性，目前以致未來(lái)更多的賦予其金融產(chǎn)品的屬性。而石腦油則是石化產(chǎn)品價(jià)值鏈中的一部分，靠近價(jià)值鏈的根部，其價(jià)格變化特征在石化產(chǎn)品中具有代表性，原油和石腦油之間則存在著原料和產(chǎn)品的關(guān)系。因此本章將重點(diǎn)原油、石腦油的價(jià)格預(yù)測(cè)技術(shù)，通過(guò)價(jià)格預(yù)測(cè)實(shí)驗(yàn)分析，篩選出適合原油、石腦油價(jià)格預(yù)測(cè)的技術(shù)。預(yù)測(cè)模型的選擇通過(guò)第二章的價(jià)格預(yù)測(cè)技術(shù)的綜述和對(duì)比，本文針對(duì)化工產(chǎn)品價(jià)格選取了兩個(gè)預(yù)測(cè)模型：指數(shù)平滑模型和BP神經(jīng)網(wǎng)絡(luò)模型。指數(shù)平滑模型屬于傳統(tǒng)統(tǒng)計(jì)預(yù)測(cè)，而BP神經(jīng)網(wǎng)絡(luò)模型屬于機(jī)器學(xué)習(xí)預(yù)測(cè)。在后面的實(shí)驗(yàn)都會(huì)分別采用指數(shù)平滑模型和BP神經(jīng)網(wǎng)絡(luò)模型。本小節(jié)將對(duì)指數(shù)平滑模型和BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析。指數(shù)平滑模型在傳統(tǒng)的價(jià)格預(yù)測(cè)的技術(shù)中本文初步選定指數(shù)平滑的模型。指數(shù)平滑法是目前使用得最多的預(yù)測(cè)方法，它有以下優(yōu)點(diǎn)：1)基本模型實(shí)現(xiàn)起來(lái)比較簡(jiǎn)單，計(jì)算量小，預(yù)測(cè)速度快。2)能夠根據(jù)預(yù)測(cè)對(duì)象的特點(diǎn)對(duì)模型進(jìn)行改進(jìn)，擴(kuò)展成為布朗模型，溫特斯模型，季節(jié)指數(shù)平滑模型等，從而進(jìn)一步提高預(yù)測(cè)精確率。3)能夠?qū)崿F(xiàn)自動(dòng)化。指數(shù)平滑模型能夠通過(guò)窮舉參數(shù)來(lái)計(jì)算最小誤差，從而確定最優(yōu)的參數(shù)組合，這一過(guò)程能夠由計(jì)算機(jī)自動(dòng)完成。而Box-Jenkins模型的參數(shù)需要人工來(lái)確定，工作量過(guò)大。BP神經(jīng)網(wǎng)絡(luò)模型傳統(tǒng)的時(shí)間序列預(yù)測(cè)方法有移動(dòng)平均法、指數(shù)平滑法、ARIMA模型、線性回歸法等。應(yīng)用傳統(tǒng)的預(yù)測(cè)方法可以預(yù)測(cè)一段時(shí)間內(nèi)預(yù)測(cè)對(duì)象變化的大致趨勢(shì)，但只適合于預(yù)測(cè)對(duì)象變化比較平穩(wěn)的情況，需要事先知道各種參數(shù)，以及參數(shù)在什么情況下應(yīng)做怎樣的修正[18]。圖3-1是原油期貨價(jià)格變化的一個(gè)局部視圖?？梢钥吹絻r(jià)格波動(dòng)的時(shí)變性、隨機(jī)性是非常明顯的。原油期貨價(jià)格的變化是許多非常復(fù)雜因素共同影響的結(jié)果，其中廣泛存在著非線性、時(shí)變性和不確定作用關(guān)系。傳統(tǒng)的預(yù)測(cè)方法在發(fā)揮巨大作用的同時(shí)，也逐漸顯露出它的缺陷，即很難把握原油期貨價(jià)格變化的非線性現(xiàn)象，因而必然造成預(yù)測(cè)的誤差性加大[19]。人工神經(jīng)網(wǎng)絡(luò)依據(jù)數(shù)據(jù)本身的內(nèi)在聯(lián)系建模，具有良好的自組織性、自適應(yīng)性，有很強(qiáng)的學(xué)習(xí)能力和抗干擾能力。BP神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)中應(yīng)用比較廣泛的一種，相對(duì)于其他神經(jīng)網(wǎng)絡(luò)的模型，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，實(shí)現(xiàn)也容易。圖3-1WTI與BRENT原油期貨價(jià)格短期走勢(shì)圖Fig.3-1WTIandBRENTcrudeoilfuturespricesshort-termcharts短期預(yù)測(cè)的實(shí)驗(yàn)和分析本文主要對(duì)原油期貨和石腦油進(jìn)行價(jià)格預(yù)測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)分為短期預(yù)測(cè)和長(zhǎng)期預(yù)測(cè)兩個(gè)部分。其中短期預(yù)測(cè)的周期為天，長(zhǎng)期預(yù)測(cè)的單位為月（月平均價(jià)）。兩個(gè)部分都采用指數(shù)平滑模型和BP神經(jīng)網(wǎng)絡(luò)模型分別預(yù)測(cè)，然后對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。本小節(jié)將對(duì)短期預(yù)測(cè)進(jìn)行實(shí)驗(yàn)原理分析、設(shè)計(jì)和結(jié)果討論。短期預(yù)測(cè)的預(yù)測(cè)周期是1天，就是根據(jù)歷史數(shù)據(jù)對(duì)接下來(lái)1天的價(jià)格進(jìn)行預(yù)測(cè)。在下面的指數(shù)平滑模型的部分中有多周期的預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)模型主要是單周期的預(yù)測(cè)。具體實(shí)驗(yàn)見以下各實(shí)驗(yàn)。指數(shù)平滑模型的短期預(yù)測(cè)本小節(jié)主要是利用指數(shù)平滑模型來(lái)進(jìn)行原油期貨和石腦油的短期價(jià)格預(yù)測(cè)實(shí)驗(yàn)。其中預(yù)測(cè)的周期為天。具體實(shí)驗(yàn)原理、設(shè)計(jì)和結(jié)果分析見下面各具體實(shí)驗(yàn)。本小節(jié)中實(shí)驗(yàn)使用的工具為Eviews6.0。Eviews是QMS公司推出的一款應(yīng)用非常廣泛的統(tǒng)計(jì)分析計(jì)量軟件，它能夠處理以時(shí)間序列為主的多種類型數(shù)據(jù)，進(jìn)行傳統(tǒng)時(shí)間序列分析、回歸分析、描述統(tǒng)計(jì)等基本數(shù)據(jù)分析。目前Eviews的最新版本為6.0。利用指數(shù)平滑模型進(jìn)行價(jià)格預(yù)測(cè)的主要步驟是：選擇訓(xùn)練數(shù)據(jù)；利用訓(xùn)練數(shù)據(jù)選擇合適的參數(shù)，使得預(yù)測(cè)的標(biāo)準(zhǔn)誤差最??；利用上一步中得到的參數(shù)對(duì)后面的周期進(jìn)行預(yù)測(cè)；獲得實(shí)際數(shù)據(jù)，與預(yù)測(cè)數(shù)據(jù)比較，計(jì)算誤差，分析結(jié)果。原油期貨單周期預(yù)測(cè)實(shí)驗(yàn)原理本實(shí)驗(yàn)對(duì)布倫特原油期貨價(jià)格進(jìn)行單周期預(yù)測(cè)。預(yù)測(cè)時(shí)采用滾動(dòng)預(yù)測(cè)，即先對(duì)下一交易日進(jìn)行預(yù)測(cè)，然后獲得該交易日的實(shí)際數(shù)據(jù)，加入訓(xùn)練數(shù)據(jù)集，接著對(duì)再下一交易日進(jìn)行預(yù)測(cè)。如此持續(xù)20個(gè)交易日，然后計(jì)算出預(yù)測(cè)的平均誤差。使用的模型包括一次指數(shù)平滑、布朗模型、溫特斯模型、季節(jié)指數(shù)平滑模型。實(shí)驗(yàn)設(shè)計(jì)本文設(shè)計(jì)了兩個(gè)實(shí)驗(yàn)，如表3-1所示。表31原油期貨短期預(yù)測(cè)實(shí)驗(yàn)Table3-1Crudeoilfuturesshort-termpredictionexperiments實(shí)驗(yàn)訓(xùn)練數(shù)據(jù)預(yù)測(cè)結(jié)果圖預(yù)測(cè)數(shù)據(jù)實(shí)驗(yàn)A12003-07-28~2003-08-22圖3-2表3-2實(shí)驗(yàn)A22002-01-02~2008-05-0圖3-3表3-3實(shí)驗(yàn)A1主要是為了與后面的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比，因此預(yù)測(cè)目標(biāo)保持一致，都是2003-8-25到2003-9-19之間的20個(gè)交易日。在訓(xùn)練數(shù)據(jù)上，則使用最近20個(gè)交易日的數(shù)據(jù)進(jìn)行訓(xùn)練。例如先采用7-28到8-22的數(shù)據(jù)進(jìn)行訓(xùn)練，對(duì)下一交易日8-25進(jìn)行預(yù)測(cè)，接著獲得該交易日的實(shí)際數(shù)據(jù)，用7-29到8-25的數(shù)據(jù)對(duì)8-26進(jìn)行預(yù)測(cè)。如此持續(xù)20個(gè)交易日，然后計(jì)算出預(yù)測(cè)的平均誤差。本實(shí)驗(yàn)使用的模型包括一次指數(shù)平滑、布朗模型、溫特斯模型。圖3-2是該實(shí)驗(yàn)的預(yù)測(cè)結(jié)果圖；表3-2是該實(shí)驗(yàn)的預(yù)測(cè)數(shù)據(jù)匯總。圖32實(shí)驗(yàn)A1預(yù)測(cè)結(jié)果圖Fig.3-2ExperimentalresultsofA1forecast表32SEQ表\*ARABIC\s1實(shí)驗(yàn)A1預(yù)測(cè)數(shù)據(jù)Table3-2ExperimentA1forecast實(shí)驗(yàn)A2主要是為了比較季節(jié)指數(shù)平滑模型與其它模型的預(yù)測(cè)精度。當(dāng)訓(xùn)練數(shù)據(jù)足夠多時(shí)（至少連續(xù)3年），可以使用季節(jié)指數(shù)平滑模型，加入季節(jié)因素。因此該實(shí)驗(yàn)大大擴(kuò)展了訓(xùn)練數(shù)據(jù)集，使用2002-1-2到2008-5-2之間共1637個(gè)交易日的價(jià)格數(shù)據(jù)。由于交易所有時(shí)會(huì)因當(dāng)?shù)毓?jié)假日而停止交易，因此有一小部分?jǐn)?shù)據(jù)發(fā)生缺失，數(shù)據(jù)缺失會(huì)使得季節(jié)指數(shù)平滑模型發(fā)生一定的偏差，對(duì)此本文采用均值補(bǔ)插法，即把缺失數(shù)據(jù)設(shè)為前后兩個(gè)交易日的價(jià)格均值。本實(shí)驗(yàn)使用的模型包括一次指數(shù)平滑、布朗模型、溫特斯模型、季節(jié)指數(shù)平滑模型（乘積模型）。圖3-3是該實(shí)驗(yàn)的預(yù)測(cè)結(jié)果圖；表3-3是該實(shí)驗(yàn)的預(yù)測(cè)數(shù)據(jù)匯總。圖33實(shí)驗(yàn)A2預(yù)測(cè)結(jié)果圖Fig.3-3ExperimentalresultsofA2forecast表33實(shí)驗(yàn)A2預(yù)測(cè)數(shù)據(jù)Table3-3ExperimentA2forecast由于篇幅有限，該表格沒(méi)有詳細(xì)列出每次預(yù)測(cè)的相對(duì)誤差，可以根據(jù)公式：error=predict/actual–1（3-1）來(lái)計(jì)算，式中error為相對(duì)誤差，predict為預(yù)測(cè)價(jià)格，actual為實(shí)際價(jià)格。以下是在Eviews6.0環(huán)境中季節(jié)平滑模型的核心代碼，其它模型的實(shí)現(xiàn)類似，此處不再列出。!i=1for!w=0to3 ；預(yù)測(cè)四周for!d=1to5 ；每周五個(gè)交易日!j=!w*7+!d+4range1/2/20025/!j/2008 ；調(diào)整訓(xùn)練數(shù)據(jù)集smooth(m)crudetemp ；使用季節(jié)平滑模型進(jìn)行預(yù)測(cè)Read(t=xls,s=sheet3,c2)"D:/data.xls"crude ；獲得最新數(shù)據(jù)crudesm(1653+!i)=temp(1653+!i) ；記錄預(yù)測(cè)數(shù)據(jù)!i=!i+1nextnext實(shí)驗(yàn)結(jié)果分析綜合兩個(gè)實(shí)驗(yàn)的結(jié)果，可以看出溫特斯模型是最合適的模型。雖然在實(shí)驗(yàn)A2中，季節(jié)指數(shù)平滑模型的精度比溫特斯模型有微弱的提高，但差別極小，可以忽略不計(jì)。說(shuō)明在短期預(yù)測(cè)中，原油價(jià)格的季節(jié)性因素不明顯。由于季節(jié)指數(shù)平滑模型需要多年的歷史數(shù)據(jù)，計(jì)算量大，且沒(méi)有明顯的效果，因此不建議在短期預(yù)測(cè)中使用。原油期貨多周期預(yù)測(cè)實(shí)驗(yàn)原理本實(shí)驗(yàn)對(duì)布倫特原油期貨價(jià)格進(jìn)行多周期預(yù)測(cè)。預(yù)測(cè)時(shí)采用滾動(dòng)預(yù)測(cè)，對(duì)后面5個(gè)交易日（即一周）進(jìn)行預(yù)測(cè)，然后獲得這5個(gè)交易日的實(shí)際數(shù)據(jù)，再對(duì)之后5個(gè)交易日進(jìn)行預(yù)測(cè)。如此重復(fù)4次，即20個(gè)交易日，然后計(jì)算出預(yù)測(cè)的平均誤差。使用的模型包括布朗模型和溫特斯模型。在前面的實(shí)驗(yàn)中，已經(jīng)證明短周期預(yù)測(cè)的季節(jié)性因素不明顯，所以本實(shí)驗(yàn)不再使用季節(jié)指數(shù)平滑模型。實(shí)驗(yàn)設(shè)計(jì) 如表3-4所示，本小節(jié)的實(shí)驗(yàn)使用2002-1-2到2002-12-2之間的數(shù)據(jù)作為訓(xùn)練集，預(yù)測(cè)結(jié)果圖見圖3-４，預(yù)測(cè)數(shù)據(jù)見表3-5。表34原油期貨短期多周期預(yù)測(cè)實(shí)驗(yàn)Table3-4CrudeoilFuturesshort-termmulti-cyclepredictionexperiment實(shí)驗(yàn)訓(xùn)練數(shù)據(jù)預(yù)測(cè)結(jié)果圖預(yù)測(cè)數(shù)據(jù)實(shí)驗(yàn)A32002-01-02~2002-12-02圖3-4見表3-5圖34實(shí)驗(yàn)A3預(yù)測(cè)結(jié)果圖Fig.3-4ExperimentalresultsofA3forecast表35實(shí)驗(yàn)A3預(yù)測(cè)數(shù)據(jù)Table3-5ExperimentA3forecast以下是在Eviews6.0環(huán)境中溫特斯模型的核心代碼：!i=1for!w=0to3 ；預(yù)測(cè)四周!j=!w*7+6range1/2/200212/!j/2002 ；調(diào)整訓(xùn)練數(shù)據(jù)集smooth(n)crudetemp ；使用溫特斯模型預(yù)測(cè)后面5天的價(jià)格Read(t=xls,s=sheet1,b2)"D:/data.xls"crude ；獲得最新數(shù)據(jù) for!d=1to5 ；記錄預(yù)測(cè)數(shù)據(jù)crudesm(229+!i)=temp(229+!i)!i=!i+1next next實(shí)驗(yàn)結(jié)果分析從結(jié)果可以看出，溫特斯模型的誤差明顯比布朗模型小。布朗模型的缺點(diǎn)是過(guò)于依賴近期趨勢(shì)，如果近期價(jià)格持續(xù)大幅上漲，該模型會(huì)預(yù)測(cè)之后也會(huì)大漲，這樣遇到價(jià)格波動(dòng)時(shí)會(huì)使得精確度受到很大影響。而溫特斯模型多了一個(gè)參數(shù)，能夠考慮到整個(gè)訓(xùn)練樣本中的趨勢(shì)，更具有靈活性。與單周期預(yù)測(cè)相比，多周期預(yù)測(cè)的精度相對(duì)差些。從表3-5中也可以看出來(lái)，在以五個(gè)周期為一組的預(yù)測(cè)數(shù)據(jù)中，越靠前的周期誤差越小，第五個(gè)周期的預(yù)測(cè)誤差最大。這是因?yàn)楹竺娴闹芷谛枰郧懊娴念A(yù)測(cè)值作為訓(xùn)練數(shù)據(jù)的一部分，而前面的預(yù)測(cè)值不可避免地存在誤差，當(dāng)它參與后期預(yù)測(cè)時(shí)，誤差將會(huì)被放大。石腦油預(yù)測(cè)實(shí)驗(yàn)原理本實(shí)驗(yàn)對(duì)新加坡石腦油價(jià)格進(jìn)行單周期預(yù)測(cè)。與原油期貨的單周期預(yù)測(cè)實(shí)驗(yàn)一樣，預(yù)測(cè)時(shí)采用滾動(dòng)預(yù)測(cè)，對(duì)20個(gè)交易日的價(jià)格進(jìn)行預(yù)測(cè)。使用的模型包括布朗模型、溫特斯模型。實(shí)驗(yàn)設(shè)計(jì)如表3-6所示，本小節(jié)的實(shí)驗(yàn)使用2003-7-28到2003-8-22之間的數(shù)據(jù)作為訓(xùn)練集，對(duì)后面20天的價(jià)格進(jìn)行預(yù)測(cè)，預(yù)測(cè)目標(biāo)與后面BP神經(jīng)網(wǎng)絡(luò)模型的實(shí)驗(yàn)B4,B5,B6相同，使得預(yù)測(cè)結(jié)果具有可比性。本實(shí)驗(yàn)的預(yù)測(cè)結(jié)果圖見圖3-5，預(yù)測(cè)數(shù)據(jù)見表3-7。表36石腦油短期預(yù)測(cè)實(shí)驗(yàn)Table3-6Experimentalshort-termpredictionofnaphtha實(shí)驗(yàn)訓(xùn)練數(shù)據(jù)預(yù)測(cè)結(jié)果圖預(yù)測(cè)數(shù)據(jù)實(shí)驗(yàn)A42003-07-28~2003-08-22圖3-5見表3-7圖35實(shí)驗(yàn)A4預(yù)測(cè)結(jié)果圖Fig.3-5ExperimentalresultsofA4forecast表37實(shí)驗(yàn)A4預(yù)測(cè)數(shù)據(jù)Table3-7ExperimentA4forecast本實(shí)驗(yàn)的預(yù)測(cè)方法、核心代碼都與實(shí)驗(yàn)A1和A2相似，此處不再列出。實(shí)驗(yàn)結(jié)果分析與原油期貨價(jià)格預(yù)測(cè)相似，溫特斯模型比較合適，預(yù)測(cè)精度相對(duì)較高。但相對(duì)于原油，石腦油的誤差要大些，這是因?yàn)橛绊懯X油價(jià)格的因素更多。所有原油的影響因素都或多或少地對(duì)石腦油價(jià)格有些影響，除此之外還有其它影響因素，這使得石腦油價(jià)格的波動(dòng)更多，因此對(duì)于傳統(tǒng)預(yù)測(cè)方法來(lái)說(shuō)，預(yù)測(cè)難度上升了。BP神經(jīng)網(wǎng)絡(luò)模型的短期預(yù)測(cè)本小節(jié)主要是采用BP神經(jīng)網(wǎng)絡(luò)來(lái)進(jìn)行原油期貨和石腦油的價(jià)格的短期預(yù)測(cè)實(shí)驗(yàn)。其中預(yù)測(cè)的周期為天。具體實(shí)驗(yàn)原理、設(shè)計(jì)和結(jié)果分析見下面各具體實(shí)驗(yàn)。原油期貨預(yù)測(cè)實(shí)驗(yàn)原理人工神經(jīng)網(wǎng)絡(luò)依據(jù)數(shù)據(jù)本身的內(nèi)在聯(lián)系建模，具有良好的自組織性、自適應(yīng)性，有很強(qiáng)的學(xué)習(xí)能力和抗干擾能力。它能自動(dòng)從歷史數(shù)據(jù)中提取有關(guān)知識(shí)，可以克服傳統(tǒng)預(yù)測(cè)方法的許多局限以及面臨的困難，同時(shí)也能避免許多人為因素的影響，因而神經(jīng)網(wǎng)絡(luò)模型是在非線性領(lǐng)域應(yīng)用最廣泛的模型。利用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行原油期貨的價(jià)格預(yù)測(cè)的主要步驟是：輸入信號(hào)的選擇和確定：可以是多個(gè)輸出，輸入信號(hào)一般是對(duì)預(yù)測(cè)結(jié)果影響比較大的因素；輸出一般是目標(biāo)預(yù)測(cè)的數(shù)據(jù)。數(shù)據(jù)預(yù)處理（歸一化）：主要是去掉數(shù)據(jù)量綱，把數(shù)據(jù)都?xì)w一化到[0,1]區(qū)間內(nèi)。這樣在進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和預(yù)測(cè)時(shí)精度會(huì)提高。網(wǎng)絡(luò)隱層數(shù)、各隱層節(jié)點(diǎn)數(shù)的選擇：網(wǎng)絡(luò)隱層數(shù)越多，各隱層節(jié)點(diǎn)數(shù)越多，訓(xùn)練的誤差精度就會(huì)提高，訓(xùn)練速度則會(huì)下降。而且過(guò)度的訓(xùn)練容易使訓(xùn)練陷入局部最小值，并且減弱了預(yù)測(cè)模型的抗干擾能力。選擇合適的網(wǎng)絡(luò)隱層數(shù)和各隱層節(jié)點(diǎn)數(shù)，平衡好訓(xùn)練誤差精度和訓(xùn)練速度。經(jīng)驗(yàn)公式為：m=n+om為隱層節(jié)點(diǎn)數(shù)；n為輸入節(jié)點(diǎn)數(shù);0為輸出節(jié)點(diǎn)數(shù)；a為1-10之間的常數(shù)。進(jìn)行預(yù)測(cè)及結(jié)果分析：結(jié)果關(guān)注的主要指標(biāo)是平均誤差，包括絕對(duì)誤差和相對(duì)誤差。以下是在matlab7.1環(huán)境中的BP神經(jīng)網(wǎng)絡(luò)的核心代碼：//創(chuàng)建一個(gè)新的BP神經(jīng)網(wǎng)絡(luò)newff，其中minmax(input)代表輸入的數(shù)據(jù)的范圍，12是中間隱層//節(jié)點(diǎn)的書數(shù)目，1是輸出節(jié)點(diǎn)的數(shù)目，后面3個(gè)是BP神經(jīng)網(wǎng)絡(luò)選擇的函數(shù)net=newff(minmax(input),[12,1],{'logsig','tansig'},'traingd');net.trainParam.lr=0.05;//lr是BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率net.trainParam.epochs=5000;//epochs是BP神經(jīng)網(wǎng)絡(luò)的最大訓(xùn)練步數(shù)net.trainParam.goal=1e-3;//訓(xùn)練的目標(biāo)MSE//訓(xùn)練，input是訓(xùn)練的輸入矩陣，target的訓(xùn)練的目標(biāo)結(jié)果矩陣[net,tr]=train(net,input,target);ret=sim(net,input2);//sim是返回函數(shù)，ret是返回的矩陣，input2是訓(xùn)練的輸入神經(jīng)網(wǎng)絡(luò)的輸入和輸出都是矩陣的方式，其中一列就是一組輸入，行數(shù)就是輸入節(jié)點(diǎn)的個(gè)數(shù)，列數(shù)就是輸入的組數(shù)。實(shí)驗(yàn)數(shù)據(jù)實(shí)驗(yàn)所用數(shù)據(jù)是2003-03-03～2003-09-19之間的共140組布倫特原油期貨的價(jià)格。其中前面120組用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)，