基于ARFIMA模型的钢材价格预测研究

钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的ARFIMA钢材价格预测模型,以青岛市2014年1月到2019年6月螺纹钢的价格为研究对象进行了钢材价格预测,并利用ARFIMA模型和ARIMA模型的预测值与真实值进行对比分析,实验结果显示:ARFIMA模型较ARIMA模型的钢材价格预测精准度提高了1.7%,且预测效果更稳定。

基于LSTM神经网络模型分析预测钢材价格

钢价时间序列具有明显的长短记忆特征,故以施工企业安徽省的项目部实际采购规格型号为HRB400Eφ16螺纹钢的金额为例,科学合理的运用LSTM模型对其建模,并与传统的ARIMA模型进行对比,结果表明LSTM模型的预测相对误差为0.03,比ARIMA模型预测精度更好,适合用来预测建筑钢材价格。

基于百度搜索指数的钢材市场预测

文章使用百度搜索指数(BDI)和同期钢材交易价格和销售量的历史数据,运用时间序列分析方法,研究BDI对钢材价格和销售量预测。对钢材销售量预测以季度为周期时,BDI可提高准确度9.544%。对钢材价格预测以天为周期时,存在残差项序列相关的问题;以周为周期的可以提高1.208%的预测准确度,并且t检验显示其所有系数显著不为零,QLB统计量显示残差项不存在序列相关的问题;以月为周期,准确度提高1.424%,BDI的系数t检验显著等于零,但是残差项不存在序列相关的问题;以季度为周期,BDI的系数t检验显著地等于零。