石油作为重要能源,在全球经济中占据重要地位。石油价格的波动对宏观经济具有很大影响,例如20世纪70年代初期后的一段时间,油价大幅上涨和随之出现衰退的事实,引发观点认为油价的上涨很可能带来经济衰退、通货膨胀过度和生产力下降等。因此,研究国际石油价格的波动具有重要意义。而油价波动剧烈,影响因素复杂,不仅受市场供需影响,还有政治环境、库存水平、心理预期、突发事件、战略应急储备等各项因素,导致未来油价波动难以预测。为提高国际油价的预测准确度,本文尝试从多重分形理论的角度出发,结合现有石油价格研究方法,构建基于多重分形理论的石油价格预测体系。本文主要介绍了三种根据油价的分形特征而提出的模型:基于模式匹配和分形插值的国际油价预测模型,从统计和分形两个视角构建基于高频驱动的国际油价预测模型,以及基于改进的多分形小波的国际油价多期预测模型。三个模型的具体工作如下:(1)基于模式匹配和分形插值的国际油价预测模型。国际石油价格序列具有明显的非线性和长期记忆性特点,因此预测油价这种长期记忆系统可以使用历史模式匹配来克服一般短期记忆系统预测方法的缺点。本文基于传统的相似模式匹配,综合分形插值方法,构建一种集成多个相似模式的预测值来提高预测准确度的模型框架。首先,从历史数据中搜索匹配的相似模式;其次,对匹配的相似模式的后续序列做同等尺度变换,获取后续模式;最后,考虑n(实证中取n=3)个后续模式的可能性,将提取的n个后续模式集成为最终的预测序列。实证研究表明:提出的混合集成(Hybrid ensemble)预测模型的预测效果显著优于其他短记忆系统模型的表现。(2)基于高频驱动的国际油价预测模型——从统计和分形两个视角。该模型提出有效利用日度油价数据提高月度油价序列的预测精度。首先,分别采用多重分形谱方法和传统统计学方法,从日度油价中提取有效的波动参数信息;其次,判断提取的波动参数与月度油价数据是否存在相关关系;最后,将存在相关关系的波动参数作为外生变量加入时序模型,进行模型训练和测试。研究表明,构建的新模型可以有效提高预测精度。(3)基于改进的多分形小波的国际油价多期预测模型。该模型综合Haar小波和乘性级联树型结构的优势构建多分形小波的变体模型V-MWM方法来对国际油价进行多期预测。首先,对日度油价做Haar小波三层分解,提取粗粒度层(尺度系数)数据,对尺度系数做单步预测;其次,将日度油价做乘性级联三层分解,提取各层的细粒度(乘子)数据,对各层的乘子做预测;然后,构建尺度系数与乘子间数量关系,用预测的尺度系数和乘子,得到各层小波系数预测值。最后,将尺度系数和小波系数预测值,通过Haar小波重构为原序列粒度,得到日度油价多期预测值。实证研究表明,构建的V-MWM方法在日度油价的多期预测中,在保证预测准确度提高的同时,大大降低了计算时间复杂度。本文提出的三种国际油价预测模型,分析挖掘了国际油价日度与月度数据的多重分形特征并合理利用,构造了更适合油价序列特性的三种预测模型,实验结果证明本文提出的三种预测模型框架均能提高油价预测准确度。