혼합 주파수 심층 학습 접근 방식 및 지능형 최적화 알고리즘에 기반한 원유 가격 예측

원유 가격을 정확하게 예측하는 것은 비선형성, 변동성 및 확률적 특성 때문에 도전적입니다. 본 논문에서는 분해-통합 패러다임 내에서 KV-MFSCBA-G 모델이라는 새로운 하이브리드 모델을 소개합니다. 이 모델은 혼합 주파수 컨볼루션 신경망-양방향 장기 단기 메모리 네트워크-주의 메커니즘 (MFCBA)과 일반화 자기회귀 조건부 이분산성 (GARCH) 모델을 결합합니다. MFCBA 및 GARCH 모델은 각각 변동 모드 분해를 통해 분해된 저주파 및 고주파 성분을 예측하는 데 사용됩니다. 이러한 성분의 분류는 퍼지 엔트로피 (FE) 알고리즘을 사용하여 수행됩니다. 따라서 이 모델은 비선형성을 적합하는 데 있어 심층 학습 네트워크의 장점을 충분히 활용할 수 있으며, 변동성을 포착하는 전통적 계량경제학 모델의 장점을 결합할 수 있습니다. 또한 지능형 최적화 알고리즘과 저주파 경제 변수를 도입하여 예측 성능을 향상시킵니다. 구체적으로, 참새 탐색 알고리즘 (SSA)을 사용하여 MFCBA 모델의 최적의 매개변수 조합을 결정하며, 이는 월별 글로벌 경제 조건 (GECON) 데이터와 통합됩니다. 서부 텍사스 중질유 (WTI) 및 브렌트 원유의 실증적 발견은 제안된 접근 방식이 평가 지표 및 통계 테스트에서 다른 모델보다 뛰어나며 좋은 견고성을 갖고 있음을 나타냅니다. 이 모델은 투자자와 시장 규제자가 의사 결정을 내리는 데 도움을 줄 수 있습니다.