基于动态模型平均的区间型预测技术及在农产品期货市场的应用研究

Interval-valued agricultural commodity future price series consists of highest prices and lowest prices in a given time window. Accurate forecasts of interval-valued agricultural commodity future price can not only help practitioners to evaluate extreme price risks and optimize trading strategies, but also facilitate the design of risk management tools for market regulations. To address the complexity of interval-valued agricultural commodity future price fluctuation and diversity of influencing factors, a systematic research, equipped with machine learning approaches, on dynamic model averaging-based interval-valued agricultural commodity future price forecasting technique will be conducted in this project by extending the dynamic model averaging theory to the scenario of interval-valued forecasting. It should be noted that this technique is capable of dynamically choosing the explanatory variables, coefficient of variation and model dimensions, which will maximize the utilization of various information to control the models effectively and avoid coefficients uncertainty. More specifically, this study will figure out the fluctuation characteristics of interval-valued agricultural commodity future prices, as well as interval-valued interaction effect and shock effect. After that, based on dynamic model averaging theory, the construction and estimation of an interval-valued time-varying regression modeling technique for interval-valued agricultural commodity future price forecasting will be deeply investigated. In addition, several key technical issues, i.e., dynamic prior contraction, parameters optimization, multi-step-ahead forecasting, performance measurement criteria, robustness analysis, will be also investigated. Finally, the prototype of the proposed forecasting system will be designed and developed.

区间型农产品期货价格，由给定时间窗口内的最高价与最低价构成。准确的区间型农产品期货价格预测指出了未来给定时间窗口中价格波动的极大（小）值，不仅为度量极端价格风险、优化交易策略提供重要信息，还可以籍此设计有效的期货市场风险管理工具。针对区间型农产品期货价格波动的复杂性及影响因素的多元性，本项目创新性地将动态模型平均理论拓展到区间型预测场景，结合机器学习方法系统地研究基于动态模型平均的区间型农产品期货价格预测建模技术，特别地，通过动态选择解释变量、系数时变程度和模型维度，在有效控制模型和系数不确定性的同时，最大限度地综合利用各种内外部信息。具体而言，本项目在对区间型农产品期货价格波动特征、区间型交互效应与事件冲击效应分析的基础上，深入研究基于动态模型平均的区间型时变回归预测模型的构建与估计方法，并重点关注参数优化、多步预测、预测评价、稳健性分析等关键技术环节，最终完成预测系统的原型设计与开发。

区间型农产品期货价格数据，由给定时间窗口内（如某交易日）的最高价和最低价构成，直接考虑区间范围内价格的不确定性与波动性信息，适用于描述真实世界的农产品期货价格波动情况。深入分析区间型农产品期货价格波动规律、准确预测农产品期货价格走势，对于农产品产业链套期保值者规避价格风险、期货投机者理性投资以及有关政府管理部门科学合理发挥农产品期货的市场功能，最终促进金融市场平稳较快发展和实现农业现代化具有重要的理论价值和现实意义。本项目针对区间型农产品期货价格预测这一期货市场运行管理中的新兴重要研究问题，拟通过先进的数据分析与处理方法研究区间型农产品期货价格的波动特征及其与影响因素的联动机制，并创新性地将动态模型平均理论拓展到区间型预测场景，结合先进的机器学习技术系统地研究基于动态模型平均的区间型农产品期货价格预测模型及关键技术细节，构建系统的基于动态模型平均的区间型预测理论与方法，并整合相关研究成果完成预测系统的原型开发。通过本项目研究，明确了期货市场价格波动规律及形成机制，中国大豆期货市场的价格发现在泡沫期的表现更好，而在非泡沫期的表现要差，这说明泡沫对中国大豆期货市场的价格发现的表现有很大影响；在过去的15年里，商品期货市场表现出价格爆炸性，它们对价格变化的调整能力有限。高利率会引发高投资，进而引发价格爆炸性，而高汇率会通过增加商品的供应量来降低价格爆炸性。旺盛的股票市场会通过将风险从商品市场转移而降低价格的爆炸性。一个繁荣的经济环境会通过增加对商品的需求而导致价格的爆炸性。我们的研究结果反驳了市场基本面可以完全驱动期货价格的观点，即使在价格高度波动的情况下。预测大豆期货价格的最佳预测因素往往是时变的；DMA和DMS的表现优于时变参数模型、自回归模型、线性自回归模型、线性回归模型（包括所有预测因子）和随机游走模型。