摘要
本文研究提出了一种利用在线媒体文本、谷歌趋势和传统经济数据的新型数据驱动的国际铜价格预测混合模型:K-means-KPCA-KELM,以深入挖掘上述多尺度数据的信息,从而提高周度国际铜期货价格预测精度.通过卷积神经网络(CNN)来说明文本特征对国际铜价格预测的解释能力,变分模态分解被用来构建基于CNN输出的有效的时间序列指标.实证结果表明:在数据层面,混合数据集在水平和方向预测精度上均显著优于文本数据集、宏观经济数据集、GSVI数据集.这表明混合数据结合了它们的优势,在水平和方向精度上都获得了最佳的预测性能;在方法层面,基于"K-means-KPCA"框架的混合数据集和KELM获得了更好的预测性能.
NETL
NSTL
万方数据