基于机器学习算法的我国原油期货价格的极端风险预测

作     者：邢钰 郭喆伊 苏小囡 XING Yu

作者机构：南京审计大学金融学院南京211815 南京审计大学金融工程重点实验室南京211815 南京审计大学数学学院南京211815 

出 版 物：《长春工程学院学报(社会科学版)》 (Journal of Changchun Institute of Technology(Social Sciences Edition))

年 卷 期：2024年第25卷第4期

页      面：40-44页

学科分类：120202[管理学-企业管理（含：财务管理、市场营销、人力资源管理）] 12[管理学] 0202[经济学-应用经济学] 02[经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 

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) 

主　　题：原油期货 极端风险预测 机器学习 

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。