...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Technological forecasting and social change >A novel hybrid approach to forecast crude oil futures using intraday data
【24h】

A novel hybrid approach to forecast crude oil futures using intraday data

机译：一种新的混合方法，用于使用盘子系统数据预测原油期货

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Prediction of oil prices is an implausible task due to the multifaceted nature of oil markets. This study presents two novel hybrid models to forecast WTI and Brent crude oil prices using combinations of machine learning and nature inspired algorithms. The first approach, MARSplines-IPSO-BPNN, Multivariate Adaptive Regression Splines (MARSPlines) find the important variables that affect crude oil prices. Then, the selected variables are fed into an Improved Particle Swarm Optimization (IPSO) method to obtain the best estimates of the parameters of the Backpropagation Neural Network (BPNN). Once these parameters are obtained, the variables are fed into the BPNN model to generate the required forecasts. The second approach, MARSplines-FPA-BPNN, generates the parameters of BPNN through the Flower Pollination Algorithm (FPA). The forecasting ability of these new models is compared to certain benchmark models. The findings document that the MARSplines-FPA-BPNN model performs better than the other competitive models.
机译：由于石油市场的多方面性质，油价预测是一个难以置信的任务。本研究介绍了两种新型混合模型，用于使用机器学习和自然启发算法的组合预测WTI和Brent原油价格。第一种方法，Marsplines-IPSO-BPNN，多变量自适应回归样条（Marsplines）找到了影响原油价格的重要变量。然后，将所选择的变量馈入改进的粒子群优化（IPSO）方法，以获得背部传播神经网络（BPNN）的参数的最佳估计。一旦获得了这些参数，将变量馈入到BPNN模型中以产生所需的预测。第二种方法Marsplines-FPA-BPNN通过花授粉算法（FPA）产生BPNN的参数。这些新模型的预测能力与某些基准模型进行了比较。 Marsplines-FPA-BPNN模型比其他竞争模型更好的调查结果。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号