原油是推动经济发展的主要动力之一。既往关于原油价格的预测中,以计量经济学为代表的线性方法,已经得到长足发展,机器学习(ML)方法的兴起,使我们能以非线性的方法进行预测,其中以SVM及神经网络的方法最为见长。但是,这些方法在应用上,或只管关注自限定的商品属性或金融属性因素,或忽略各因素的内生影响特征,或在模型类型选择上过于单一。因此,本文基于原油的二重属性,通过构建TVP-VAR模型,明晰各因素对原油价格造成的影响特征,为LSTM-RNN模型变量选取及参数设定提供依据。通过构建LSTM、RNN及对照模型,对原油价格进行预测,得到基于影响特征的LSTM-RNN国际原油价格预测模型。本研究通过脉冲响应函数,识别各因素对原油价格的影响特征;通过对比分析其他原油价格的预测方法,得到构建的基于影响特征的LSTM-RNN国际原油价格预测模型更为优越。主要研究结论为:(1)原油商品属性因素以及金融属性因素均会对原油价格造成影响且具有时变效应;而煤炭价格、CPI及人民币汇率对原油价格影响相对于其他因素不显著;并且各因素对原油价格的冲击大多在滞后3个月时冲击最为显著,在滞后6个月时收敛。(2)相对于传统计量经济学方法,机器学习方法具有更好的表现,LSTM-RNN模型相对于BP神经网络模型以及SVM及模型,误差更小。(3)在预测原油期货价格时,LSTM模型表现更好;在预测原油现货价格时,RNN模型表现更好。在上述研究基础上,进一步提出了推进人民币在国际市场影响力、重视原油金融属性、完善原油数据库建设的对策建议,并给出研究展望。