基于价格影响因素视角的稀土产品价格预测问题研究

发布时间：2022-04-27 19:46

　　稀土是极其重要的元素,具有丰富的性能,作为我国的战略性资源其在高新技术领域具有举足轻重的地位。我国稀土的总储量稳居世界第一。稀土的战略性地位无疑成为了我国贸易战中的一张潜力王牌。但稀土市场长时间缺少管理,导致稀土价格低廉,走私严重,且无限制的开采造成环境污染问题使我国遭受了极大的经济损失,并且不利于掌握稀土的定价权。因此掌握其价格波动的变化规律,明确价格变动的影响因素,对我国提高利用稀土资源利用率有显著意义,也是有效规避价格波动的必要手段。本文从稀土资源价格的影响因素出发,考虑了供需因素及金融因素作为稀土产品的价格波动影响因素。构建基于蚁群优化算法的BP神经网络（ACO-BP）组合模型对稀土产品进行预测。首先利用主成分分析（PCA）消除稀土价格预测影响因素之间存在的冗余信息,降低BP神经网络输入数据维数,提高预测精度;继而运用蚁群算法寻找最优的神经网络阈值,以优化模型收敛速度减小预测误差。本文以轻稀土代表产品氧化钕、氧化镧,氧化铈,重稀土代表产品氧化镝作为研究对象。选取2010年1月-2018年3月的月度数据,构建多因素ACO-BP组合模型进行预测。并且与未经优化的BP神经网络模型进行... 

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 选题的背景及研究意义
    1.2 主要研究内容
    1.3 文章的创新点
2 文献综述
    2.1 稀土产品价格研究现状
    2.2 资源品价格影响因素的研究进展
        2.2.1 供需因素
        2.2.2 金融因素
    2.3 价格预测方法演进与启示
        2.3.1 定性预测方法
        2.3.2 定量预测方法
        2.3.3 神经网络预测方法
    2.4 蚁群优化算法
    2.5 文献评述
3 稀土资源现状
    3.1 稀土产品类别
    3.2 稀土主要应用领域
    3.3 稀土进出口贸易情况
        3.3.1 稀土市场状况
        3.3.2 中国稀土进出口量
    3.4 稀土价格波动特点及原因
        3.4.1 价格波动特点
        3.4.2 价格波动原因
4 基于主成分分析的混合预测模型构建
    4.1 主成分分析算法含义
        4.1.1 主成分分析的数学模型
        4.1.2 主成分分析中各统计量含义
    4.2 BP神经网络
        4.2.1 BP网络算法思路
        4.2.2 BP网络算法过程
    4.3 蚁群算法
    4.4 ACO-BP模型构建
5 稀土价格预测
    5.1 影响因素的选择及数据来源
    5.2 影响因素主成分提取
    5.3 多因素ACO-BP组合预测模型仿真
        5.3.1 氧化铈的预测结果
        5.3.2 氧化钕的预测结果
        5.3.3 氧化镧的预测结果
        5.3.4 氧化镝的预测结果
    5.4 优化与未优化的BP预测模型比较
    5.5 本章小结
6 稀土价格波动预警系统构建
    6.1 价格波动预警系统
    6.2 预警系统阈值
        6.2.1 设定依据
        6.2.2 阈值标准
    6.3 预警结果验证
7 结论展望及政策建议
    7.1 结论
    7.2 展望
    7.3 政策建议
参考文献
在学研究成果
致谢


【参考文献】：
期刊论文
[1]基于VAR模型的氧化钕价格分析及预测[J]. 卢虎生,刘璞.  稀土. 2020(02)
[2]基于混合模型的国际原油价格预测研究[J]. 张金良,李德智,谭忠富.  北京理工大学学报(社会科学版). 2019(01)
[3]基于ARIMA模型对氧化钕价格的预测分析[J]. 韩兴国,张蕾.  铸造技术. 2018(10)
[4]基于季节指数调整与HGWO-SVR算法的农产品价格预测模型[J]. 郑薇,王灿强,李维德.  统计与决策. 2018(19)
[5]基于GM-RBF神经网络的股票价格预测分析[J]. 刘述忠.  计算机与现代化. 2018(08)
[6]基于SDE的BP神经网络股票价格预测[J]. 刘雯琦.  无线互联科技. 2018(15)
[7]改进蚁群算法在铁矿石价格指数预测中的应用[J]. 张智峰,王涛,兰洁.  模糊系统与数学. 2018(02)
[8]稀土矿产资源的新成本视角[J]. 刘虹桥,吴西顺.  中国国土资源经济. 2018(02)
[9]不完全信息下稀土出口定价的博弈分析[J]. 董虹蔚,孔庆峰.  经济与管理评论. 2017(05)
[10]灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究[J]. 张兆同,余潜.  价格月刊. 2017(09)

硕士论文
[1]国际大宗商品价格影响因素研究[D]. 罗国梁.新疆财经大学 2015



本文编号：3649063