摘要

大宗商品价格波动作为一种复杂的时间序列数据，其变动趋势中包含着中长期基本面信息和短期波动因素的共同影响，因此使用传统的统计预测方法对大宗商品价格进行预测往往存在较大困难。引入模式识别理论中的长短期记忆网络（LSTM），借助其对时间长度的不敏感性和默认的长期记忆性特征，并结合集合经验模态分解（EEMD）方法，对大宗商品时序数列进行自适应最优项数分解，以确定最优预测时间窗长度，以及高频、低频和趋势序列预测结果；在此基础上，对大宗商品价格进行预测，从而得出科学的预测结论为实际应用提供参考。

关键词