基于图深度学习的大宗商品价格预测研究

• 全文链接
• 请求原文

作   者：

付星星;  张军;  秦岩;  宋元超; 

作者机构：

山东理工大学商学院;  山东卓创资讯股份有限公司; 

关键词：

大宗商品;  价格预测;  图深度学习;  产业链; 

期刊名称：

计算机应用与软件

基金项目：

社交媒体上观点、信息和行为的耦合传播动力学机制研究

i s s n：

1000-386X

年卷期：

2021 年 007 期

页   码：

60-66

摘   要：

产业链上的多种大宗商品价格之间存在非线性相关性和上下游产品价格联动效应,经典的价格预测算法不能解决此类问题,对此提出一种基于图深度学习的大宗商品价格预测方法。该方法将产品现货价格、期货价格、产量等作为产品节点属性,产品上下游关系用产品结构熵量化作为边属性,CCPI、PPI作为全局属性,对全产业链上的产品进行价格预测。实验结果验证了该方法的可行性和有效性。与单变量LSTM、多变量LSTM价格预测模型相比,图深度学习价格预测模型表现出更高的准确度。