原油是工业生产的重要原材料,是全球贸易的能源保障,也与我国经济发展息息相关。新世纪以来随着我国经济的发展,对原油的需求逐渐增加,目前已经是世界第一大原油进口国,原油价格的波动将会制约我国经济持续健康发展。原油价格的影响因素来自很多方面,除了市场经济因素外,还有各种如新冠疫情、地缘政治、贸易争端等突发性因素。原油期货具有价格发现和风险识别两项基本功能,识别价格波动变化规律对原油市场健康发展具有重要意义。为了参与国际油价定价权的竞争,我国于2018年3月成立了自己的原油期货市场,体现出对石油能源安全的重视。原油期货价格序列数据呈现出非线性与非平稳性等无规律特征,很难对其进行准确预测。传统的单一时间序列预测模型在含有复杂特征的数据的预测上,效果往往很差。为了更好地预测这种含有复杂特征的时间序列数据,基于分解、重构再集成的思路往往能够提升预测精度。本文选用上海原油期货价格日度收盘价为研究对象,获取了其历史交易数据,接着使用EEMD方法对上海原油期货收盘价日度数据进行分解,得到若干IMF分量和一个剩余项,研究各个分量的波动特性,并基于一定准则对其进行重新组合为高频项、低频项和剩余项。而后根据重构分量的统计特征选择合适的模型进行预测,即对高频项建立LSTM模型,低频项和剩余项使用建立ARIMA模型,得到了组合模型EEMD-ARIMA-LSTM,根据模型评价指标MAE、RMSE、MAPE等将多个模型对比分析。本文的实证分析结果可以得出如下结论:第一个结论,EEMD分解法能够提升单一计量模型和单一机器学习模型的效果。第二个结论,基于“分解-重构-预测”的思想构建的组合模型EEMD-ARIMA-LSTM对上海原油期货价格预测效果优于EEMD-ARIMA、EEMD-LSTM、ARIMA和LSTM,证实了模型的有效性,能够为个人投资者进行投资决策、企业制定相关生产工作、监管部门进行风险把控提供一定指导意义。