红枣期货价格预测方法比较研究

Comparative study on red jujube futures price forecasting methods

赵自强 ¹张雪宁 ¹赵露苗 ¹张玉亭 ²何军 ²陈立平³

扫码查看

作者信息

1. 塔里木大学信息工程学院,新疆阿拉尔 843300
2. 阿拉尔市红福天枣业有限公司,新疆阿拉尔 843300
3. 塔里木大学信息工程学院,新疆阿拉尔 843300;塔里木绿洲农业教育部重点实验室/塔里木大学,新疆阿拉尔 843300;塔里木大学现代农业工程重点实验室,新疆阿拉尔 843300
折叠

摘要

红枣干果期货交易对稳定国内、尤其是新疆南疆的红枣干果价格发挥了重要的积极作用.开展红枣期货价格预测方法研究,有助于红枣产业利益相关者更好地组织生产、加工和投资管理.本研究采用 3 种价格预测模型对比分析了不同方法在红枣期货价格预测方面的综合性能差异,包括长短期记忆(LSTM)神经网络模型、支持向量回归(SVR)模型和误差反向传播(BP)神经网络模型.试验结果表明,LSTM价格预测模型在预测精度方面与SVR模型相比,均方根误差(RMSE)值降低了17.4%、平均绝对百分误差(MAPE)值降低了 25%;与BP模型相比,RMSE值降低了 12.8%、MAPE值降低了 33.3%;在年度价格预测方面,LSTM模型取得了更佳的性能表现,尤其在提前 5 日预测红枣期货价格变动趋势时优势明显.基于LSTM的红枣干果价格预测模型可对红枣期货价格预测发挥辅助决策作用.

Abstract

The trading of dried jujube futures has significantly contributed to stabilizing prices,particularly in Southern Xinjiang.Examining methods for predicting jujube futures prices can aid stakeholders in the industry to streamline production,processing,and investment strategies.This paper assesses three prediction models for jujube futures prices:long short-term memory(LSTM)neural network,support vector regression(SVR),and back propagation(BP)neural network.Results indicate that compared to SVR,the LSTM model reduces the root mean square error(RMSE)by 17.4%and the mean absolute percentage error(MAPE)by 25%.Compared to BP,LSTM reduces RMSE by 12.8%and MAPE by 33.3%.LSTM performs better for annual price prediction,especially in forecasting jujube futures trends five days ahead.The LSTM-based model can enhance decision-making in jujube futures price forecasting.

关键词

红枣/期货/价格预测/LSTM神经网络/SVR模型/BP神经网络

Key words

red jujube/futures/price forecast/LSTM neural network/SVR model/BP neural network

引用本文复制引用

基金项目

新疆生产建设兵团第一师阿拉尔市科技计划项目(2021GX01)

出版年

2024

塔里木大学学报

塔里木大学

塔里木大学学报

CHSSCD

影响因子：0.313

ISSN：1009-0568

参考文献量21

段落导航