基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明：提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。     

绿色金融改革创新试验区设立能促进企业技术创新吗?

在全面实施“双碳”“双控”战略背景下，绿色金融政策亦成为助力企业技术创新、推动社会经济绿色转型发展的重要举措。基于制度创新视角，以“绿色金融改革创新试验区”这一区域性政策为切入点，采用PSM-DID研究绿色金融政策实施对企业技术创新的影响，发现试验区政策能够显著提升企业研发投入的相对规模和专利申请数量，具有较强的融资“增益”效应，且对国有企业和低污染企业创新投入的激励效应更强。就影响机制而言，绿色金融试验区政策主要通过缓解企业融资约束、改善外部融资环境促进企业技术创新。鉴于此，应完善顶层设计，强化信息披露，创新绿色金融工具，以促进企业技术创新。