全球油价预测分析_全球油价预测分析

1.国际油价波动分析与预测的目录

2.如何预测石油价格近期趋势？需要看一些什么数据？

3.全球石油价格多维分析

国际油价波动分析与预测的目录

总序

序言

第一部分 国际油价波动分析

第一章 全球石油市场信息溢出研究

1.1 引言

1.2 信息溢出检验文献综述

1.3 实证研究

1.4 本章小结

1.5 参考文献

第二章 国际油价短期波动研究

2.1 引言

2.2 以前的相关研究

2.3 实证数据和方法

2.4 实证结果

2.5 本章小结

2.6 参考文献

第三章 基于粗糙集和小波神经网络的油价影响因素分析

3.1 引言

3.2 基于粗糙集和小波神经网络的混合方法

3.3 混合方法的应用

3.4 本章小结

3.5 参考文献

第四章 国际油价影响因素的综合分析

4.1 引言

4.2 影响原油供给的因素

4.3 影响原油需求的因素

4.4 影响原油价格的短期因素

4.5 本章小结

4.6 参考文献

第五章 突发事件对油价的影响分析

5.1 引言

5.2 突发事件类型

5.3 油价波动特点

5.4 案例分析：突发事件对油价的影响

5.5 本章小结

第六章 基于经验模态分解的国际原油价格波动分析

6.1 引言

6.2 经验模态分解

6.3 分解

6.4 合成

6.5 本章小结

6.6 参考文献

第七章 基于LSI的文本聚类在影响油价事件分类中的应用

7.1 引言

7.2 文本预处理

7.3 基于LSI的文本聚类

7.4 聚类结果分析

7.5 本章小结

7.6 参考文献

第二部分 国际油价预测

第八章 动态因子方法预测原油价格

8.1 引言

8.2 动态因子方法

8.3 数据

8.4 回归和预测结果

8.5 本章小结

8.6 参考文献

第九章 基于基金持仓的国际原油期货价格预测

9.1 引言

9.2 影响国际原油期货市场的因素分析

9.3 国际原油期货价格预测

9.4 本章小结

9.5 参考文献

第十章 小波变换在油价分析预测中的应用

10.1 引言

10.2 小波变换

10.3 基于小波变换的油价序列多尺度分解

10.4 基于多尺度分解的油价预测

10.5 本章小结

10.6 参考文献

第十一章 基于小波神经网络的油价预测

11.1 引言

11.2 小波神经网络介绍

11.3 实证分析

11.4 本章小结

11.5 参考文献

第十二章 基于供求理论的石油季度价格预测

12.1 石油价格影响机制简介

12.2 石油季度价格影响因素分析

12.3 石油季度价格预测模型的建立

12.4 本章小结

12.5 参考文献

第十三章 勘探开发与国际石油供求间关系分析

13.1 引言

13.2 石油供给的影响因素分析与情景预测

13.3 石油需求的影响因素分析与情景预测

13.4 本章小结

13.5 参考文献

第十四章 基于VARX与VECM模型的年度国际原油价格预测

14.1 引言

14.2 模型理论与方法

14.3 变量选取与数据说明

14.4 模型预测与结论

14.5 本章小结

14.6 参考文献

附录一 国际油价预测系列报告（摘选）

附录二 报刊文章和观点精选

如何预测石油价格近期趋势？需要看一些什么数据？

预测石油价格的趋势需要从基本面和技术面两个方面综合分析预判。

技术面一般是通过分析国际现货石油价格盘面技术指标得出来的，这些分析软件可以找相关现货石油投资平台的官网下载。

基本面主要从石油的供给需求进行分析。常见的影响比较大的数据就是美国EIA原油库存数据，这些数据一些专业的网站都是有及时公布的，比如说汇通网。现在还有很多的群也有这些数据直播的形式，比如说一些朋友所在的华尔街投资之神这个群。

发改委指定石油指导价格主要是综合石油进口以及国内石油供需关系进行指定的，具体的公式是不可能进行公布的。

全球石油价格多维分析

传统的数据仓库展现，一般是通过建立数据仓库、设定维度、预先计算，然后向客户端展现多维分析的结果。在本系统中，则采取了与之不同的另一种数据仓库构建的思路，即在系统的数据仓库展现中尝试利用多维数据表之间的关联性来实现实时的多维分析功能。

在多维数据结构中，事实表和维度表之间是通过直接或间接的关系联系在一起的。对于某张表中某条记录的选取，可以在其他相关联表之间查询到与之相关联的数据记录，并可以对选取的数据和相关联的数据进行统计分析，得到这些数据的分布、趋势等分析结果，并且可以在设定了多维分析的维度之后，按照维度之间的层次关系对数据从各个不同的组合角度进行分析，形成实时的多维分析。

数据仓库展现的开发内容一般可以分为数据仓库的设计和多维分析的实现两部分。数据仓库的设计包括星型模式的搭建、数据抽取方式的确定、数据转换净化的实现，以及多维数据的存储等内容。多维分析的实现则包括多维分析维度的选取、度量值的定义、维度变换方式、钻取路径的定义、钻取数据显示方式的确定等内容。

本系统在开发过程中，由于原型系统带来的需求不确定性和数据齐备性等因素的制约，如何设计出良好的结构来更好地进行多维数据展现以及采取何种形式进行展现是一个重点问题。前文已经讨论过系统中数据仓库的架构模式、多维数据结构的定义等内容，讨论了系统原始数据源中存在的复杂性、数据完整性和数据有效性等方面存在的问题及解决办法。多维分析的设计包括维度之间的关联、事实数据展现的内容和形式、数据钻取等内容。

5.3.2.1 维度表关联性分析

数据源表结构中包括一张事实表和数张维度表。针对这些维度表可以设计用于多维分析的维度，分别为油品、交易市场、交易类型、价格单位和价格日期维度。维度数据和中间事实表之间存在直接关联，维度数据之间通过中间事实表而产生简洁的关联关系。从而可以在既有事实数据的基础上，对维度之间的关联关系进行可视化展现。

图5.29中显示了4个维度的内容数据，并列出了各维度中所具有的字段取值，这些字段通过事实表产生关联。在选择了Crude Oil油品之后，其他3个维度中的字段取值背景出现变化。白色背景表示在事实表中存在与Crude Oil相关联的交易市场，分别为Cushing,OK和Europe Brent，这表明事实表中存在有Crude Oil在这两个市场中的价格数据，没有在其他市场上的价格数据。

图5.29 多维分析维度列表

在默认情况下，维度列表显示了全部可能的维度取值。而在选择了某一维度之后，比如选择产品名称中的Crude Oil值，则在其他维度中高亮显示与此维度选中值通过油价数据关联起来的维度值。通过维度之间的关联显示，可以分析出源数据中隐藏的一些分布模式。在本示例中就可以看出系统中具有Crude Oil在Cushing,OK和Europe Brent两个市场的Spot Price FOB价格，而价格时间则从1986年到2008年都存在，油价的单位名称只存在Dollar per Barrel一种形式。多维分析的维度关联性分析，还允许在一次分析基础之上继续缩小选择值的范围。

5.3.2.2 维度表和事实表的关联性分析及展现

在实时多维分析中，除了可以进行维度表之间的关联性分析，也可将维度表和事实表关联起来进行分析。在此类分析中，除了可以在界面左侧展示维度表之间的关联之外，还可以在界面主体部分显示出事实表数据以及以事实表数据为基础的一些统计分析。图5.30中展现的是全球石油价格不同交易类型的对比分析，反映出对各石油品种在现货交易、期货交易等方式下的价格对比情况，分析的结果可以随左侧维度选择的变化实时变动。

图5.30 交易价格比较分析

对于事实表的展现，除了按照默认的维度顺序进行统计分析，维度之间的顺序也可以直接通过在界面中拖动维度的位置来完成维度的变换，实现多维分析旋转功能，在此不再赘述。

5.3.2.3 事实表数据钻取

多维分析另外一个很重要的内容就是数据钻取。在实时多维分析中，数据钻取的功能可以更为丰富。出于分析的目的，我们预先定义了钻取路径：

市场→价格类型→价格年份→产品名称。

这样就可以按照这样的路径对油价进行钻取分析。第一次默认按照市场名称来统计历史油价，在选择了一个市场之后就向下钻取两层，就可以得到按照价格年份来统计的历史油价。这里的钻取分析可以和维度关联性分析结合起来使用，从而更灵活地实现数据钻取（图5.31，图5.32）。

图5.31 数据钻取分析一

图5.32 数据钻取分析二

5.3.2.4 价格趋势分析

价格趋势分析可以作为价格预测的一种补充，它的功能展现过去时间的不同油品、不同交易类型及价格单位等相关信息，以此来直观表达油品的未来走向与趋势。这一块已经有了单独的模型程序模块来完成（图5.33）。

图5.33 多维价格趋势分析

通过在数据仓库展现中利用实时多维分析中的维度表关联性以及维度表和事实表之间的关联性，可以更好地拓展多维分析的功能。而对多维分析的需求确定可以考虑采取原型法来进行，利用数据仓库的实时多维展现来发现数据的内涵和数据之间的关联性，逐步帮助确定需要分析的维度、度量值、展现方式等内容，并反向影响到数据源表结构的设计。