来源：期刊VIP网 时间：
作者：陆晓骏;樊重俊;梅亚光;
单位：上海理工大学管理学院;欧冶云商数智供应链研发中心;
摘要：钢铁作为工业大宗商品的代表性商品，其价格研究可以帮助钢铁行业稳定发展。为了探索钢铁价格的变化规律，提出了一种基于集合经验模态分解（Ensemble Empirical Mode Decomposition, EEMD）方法和Transformer注意力机制模型及自回归移动平均（Autoregressive Integrated Moving Average,ARIMA）模型的组合模型EEMD-TRANSFORMER-ARIMA。将钢铁价格时序数据通过EEMD分解，对分解后的分量数据进行平稳性检测，并使用Transformer模型和ARIMA模型进行预测。实验选取6组典型的钢铁价格数据进行预测，结果表明该组合模型可以精确预测非平稳和非线性的时序数据，为钢铁价格分析提供了一种有效的预测方法，有助于辅助政府和企业进行市场决策。
关键词：钢铁价格预测;;钢铁期货;;集合经验模态分解;;Transformer模型
基金资助：教育部哲学社会科学重大课题攻关项目（20JZD010）
