基于机器学习算法的我国原油期货价格的极端风险预测  

The Extreme Risk Prediction of China’s Crude Oil Futures Price Based on Machine Learning Algorithms

作　　者：邢钰 郭喆伊 苏小囡 XING Yu(School of Finance,Nanjing Audit University,Nanjing 211815,China)

机构地区：[1]南京审计大学金融学院,南京211815 [2]南京审计大学金融工程重点实验室,南京211815 [3]南京审计大学数学学院,南京211815

出　　处：《长春工程学院学报(社会科学版)》2024年第4期40-44,共5页Journal of Changchun Institute of Technology(Social Sciences Edition)

基　　金：2022年江苏省高校哲学社会科学研究一般项目“重大突发事件冲击下的外汇衍生产品定价研究”(项目编号:2022SJYB0365);2021年江苏省金融工程重点实验室开放课题资助“重大突发事件影响下的外汇期权定价——基于均衡模型的视角”(项目编号:NSK2021-15);2023年南京审计大学高等教育研究课题“产学深度融合背景下金融科技人才的培养机制研究”(项目编号:2023JG054)。

摘　　要：原油作为全球能源核心,其价格波动影响深远。2020年4月20日,WTI原油期货价格跌至负数,突显了市场极端风险预测与管理的重要性及传统预测方法的局限性。利用六种机器学习算法,采用移动窗方法动态预测原油期货的极端风险,结果显示XGBoost算法在精度和稳定性上表现最佳。在1200窗口长度下,XGBoost综合评价最高,实现了检出率与虚警率的理想平衡,在5%虚警率下达88%检出率。As a core of the global energy system,the price fluctuations of crude oil have far-reaching impacts.On April 20,2020,the price of WTI crude oil futures fell to negative,highlighting the importance of extreme risk prediction and management in the market as well as the limitations of traditional forecasting methods.This article utilizes six machine learning algorithms and adopts a moving window approach to dynamically predict the extreme risks of crude oil futures.The results show that the XGBoost algorithm performs best in terms of accuracy and stability.Under a window length of 1200,XGBoost achieves the highest comprehensive evaluation score,striking an ideal balance between detection rate and false alarm rate,achieving a detection rate of 88%at a false alarm rate of 5%.

关 键 词：原油期货 极端风险预测 机器学习 

分 类 号：F764.1[经济管理—产业经济] F713.35