玉米和大豆为同季旱粮作物,生长周期相同,几年出现了间作套种技术,造成两种作物“争地”矛盾突出,成熟期接近,这就为期货、现货的金融市场造成了风口。
玉米大豆作为常见农作物,其生育进程所需的温、光、水尽可能与最佳季节同步,是高产的前提。当气温稳定通过10℃时(85%以上概率),土壤含水量达到田间持水量65-70%。受到天气影响其产量与价格存在波动。
掌握玉米和大豆两者的价格是必要的,其期货价格分析和预测,对种植结构调整和,农户作物品种选择均具有重要意义。相较于现货,农产品期货价格具有价格发现功能。针对玉米大豆的期货预测,中国科学院自动化研究所与中国科学院大学等机构,展开了跨越复杂系统管理与控制、人工智能、智能化技术与系统工程等学科的研究。
该研究从分析玉米和大豆期货价格的相关性,通过相关性计算和格兰杰因果(基于预测的因果关系统计概念)检验,确定玉米和大豆期货具有较强的正向相关性,且大豆期货价格是玉米期货价格的格兰杰原因。
再次,基于长短时记忆(长短期记忆,是RNN的一种)模型对玉米和大豆期货价格进行预测,并引入注意力机制对期货价格预测模型进行优化。
对比结果表明,与差分整合移动平均自回归模型(整合移动平均自回归模型(移动也可称作滑动),是时间序列预测分析方法之一)和支持向量回归模型(将支持向量机的思想推广到回归问题中)相比,LSTM模型在各项指标中均为更优,而与单一的LSTM模型相比,加入Attention机制的Attention-LSTM模型在各项指标中均更优。
其中,玉米和大豆期货预测结果的平均绝对误差(所有单个观测值与算术平均值的偏差的绝对值的平均)分别提升3.8%和3.3%,均方根误差(即标准误差)分别提升0.6%和1.8%,平均绝对百分误差(平均绝对百分比误差,一种相对度量)分别提升4.8%和2.9%,证明了Attention机制的加入可以帮助模型提取有效信息,提升性能。
最后,使用LSTM模型结合大豆期货历史价格共同预测玉米期货价格,MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。
该项研究基于深度学习,科学提升了大豆和玉米期货价格预测精度,且结合相关农产品期货价格数据,可以提升单个农产品期货模型的预测性能。
联系客服