高考加油煤炭石油基于机器学习方法的动力煤价格预测魏家

煤炭石油：基于机器学习方法的动力煤价格预测 类别： 机构： 研究员：

[摘要]

本期投资提示：

在煤炭行业的重点关注指标中，价格是最根本的盈利驱动因素，因此对煤炭价格的预测在煤炭股估值中具有重要意义。本文结合机器学习算法，对秦皇岛港动力煤Q5500平仓价进行预测。

选取两大类解释变量，宏观经济指标和煤炭行业指标。宏观经济指标包括货币供给、主要价格指数和长短期利率指标。行业指标的选取主要从煤炭库存、运输成本、供求关系以及国际市场等方面分析确定，分别选取秦皇岛港煤炭库存、东南沿海六大电厂库存、秦皇岛港锚地船舶数、海运费均值、六大电厂日耗煤量、东南沿海主要城市平均气温、动力煤产量、纽卡斯尔NEWC动力煤现货价和布伦特DTD原油现货价。

监督学习是机器学习中一个重要分类。将数据分为训练集和测试集两部分，训练集起到“老师”的作用，训练机器学习输入量和输出量之间的内在逻辑关系，测试集起到验证的作用。

本文探讨了两种监督学习算法（有参数模型和无参数模型）在动力煤价格预测中的应用。

LASSO在解释变量较多（宏观与行业指标）的情况下将15个解释变量缩减为12个解释变量，更好地进行指标选取。在普通最小二乘法目标函数的基础上，通过构造一个L1范数的惩罚项，从而可以将一些绝对值较小的系数直接压缩为0，得到一个较为稳定的模型。

经济数据之间的相互关联往往是非线性的，高斯回归在处理非线性、高维数据等问题上有很好的适应性。其特点是将贝叶斯思想引入到高斯过程中，跳过传统的线性回归模型，直接拟合形式为多维高斯分布的后验分布，并通过核函数建立输入量与输出量之间的逻辑关系。

研究结论：相对于多元线性回归模型，两种机器学习算法表现较好，大大提高了预测精度。

高斯回归的误差均值为 .07%，5%以内误差比例和涨跌幅命中率均为85%，表现略优于LASSO。LASSO的误差均值为 .49%，5%以内误差比例和涨跌幅命中率均为80%。

对于8月份的动力煤价格，两种算法给出的预测结果均为下跌（7月目前均价664元/吨），与我们之前的判断相一致，分析认为主因当前过高的港口和电厂库存压力所致。其中，高斯回归的预测值为6 6.46元/吨。此外，我们也尝试对三季度的均价进行了预测。在历史数据的基础上，对8月份解为了练级释变量的相关数据进行预测，最终得出三季度动力煤均价的预测值为6 9.88元/吨。今后每月25号左右，我们会发布下一月度动力煤均价的预测，并在月度价格的基础上对季度价格进行修正。