近期，能源经济与管理领域顶级期刊《Energy Economics》相继在线发表了（Online）我校博士生程方正的两项重要研究成果。指导该研究的是华东理工大学范体军课题组，该研究工作得到了国家自然科学基金重点项目（71431004）的支持。

成果一：The VEC-NAR model for short-term forecasting of oil prices

预测未来的石油价格是一件极具挑战的工作，因为石油价格存在三个重要特点，即滞后性、非线性和不同石油市场之间的相互作用。然而，大多数传统的石油价格预测模型无法同时处理这三个特点。因此，该论文提出了一种新的混合模型，即VEC-NAR模型。该模型集成误差修正模型和非线性自相关神经网络，并且可以同时处理石油价格这三个特点。首先，VEC模型可以用来优化石油价格的滞后阶数，并通过分析内生变量和外生变量的相互关系以区分这两类变量。然后，鉴于NAR模型可以有效地捕获石油价格中的非线性成分，将VEC模型获得的结果输入到NAR模型，对石油价格进行预测。该论文以2003年1月1日到2014年12月31日的布伦特石油价格数据作为实证样本，来验证所提出的预测方法的有效性，并且将所提出的模型与经典的石油价格预测方法进行比较。Diebold-Mariano 检验的结果表明，在多步向前预测的短期预测方面，VEC-NAR 模型比传统模型（包括广义自回归条件异方差类模型、向量自回归模型、向量误差修正模型和非线性自回归神经网络模型）提供了更高的预测精度。

文章链接：https://doi.org/10.1016/j.eneco.2017.12.035

成果二：The prediction of oil price turning points with log-periodic power law and multi-population genetic algorithm

国际油价的拐点是世界市场中最重要而又难以预估的价格调整。拐点的准确预测可以帮助政府和企业制定有效的石油储备战略和经济决策。尽管如此，预测拐点在方法和计算方面都面临着巨大的挑战。对数周期幂律模型是一种最先进的拐点预测方法。该论文提出了一种改进的对数周期幂律预测模型，并通过集成多种群遗传算法来优化对数周期幂律模型中的参数。为了验证改进的对数周期幂律模型的预测性能，该论文收集了2003年4月至2016年11月期间WTI现货价格的数据，并基于拐点之前的历史数据，使用所提方法来预测这段时间内的三个主要拐点。此外，该论文还将所提方法与三种使用其他方法优化参数的对数周期幂律模型进行了比较，包括模拟退火算法、标准遗传算法和粒子群优化算法。实证结果表明，所提方法的预测结果优于其他三种方法。新闻报道称，2017年3月美国西德克萨斯轻质原油现货价格的波动将迎来新的重大拐点，论文验证了该新闻仅仅是虚惊一场。因此，改进的对数周期幂律模型在预测拐点方面有很大的潜力。

文章链接：https://doi.org/10.1016/j.eneco.2018.03.038