企业提升预测大宗商品价格精准度的方法研究——基于时频递归与非递归分解的混合价格预测模型的运用

大宗商品交易在我国经济循环中占比极高,但国内众多企业由于没有选取世界大宗商品价格预测最优方法,造成巨额损失屡见不鲜。在时间序列信号的递归于非递归时频分析分析的基础上,构建传统自回归移动平均模型和新兴神经网络的新复合模型对商品期货价格进行预测。使用墨西哥湾沿岸煤油航空燃料价格历史数据作为建模时间序列数据,以此建立航空燃料价格动态预测模型。通过对比,从模型的预测结果来看,结合时频非递归分解的预测模型在预测精度上优于基于递归分解的复合模型优于单一预测模型,可以有利于提升企业对世界大宗商品价格预测的精准度,从而控制成本,有效地降低风险。