混合PVN-ANN技术：铜现货价格预测新方法

"利用复杂网络和人工神经网络技术对铜现货价格进行预测分析" 这篇研究文章探讨了如何结合复杂网络和人工神经网络（ANN）技术来预测铜价，特别是铜的现货价格。铜价在国际贸易市场上的波动性是显著的，这种波动直接影响到铜行业内的商品交易决策和企业的利润预期。为了提高预测的准确性，研究人员提出了一种创新的混合预测模型，即价格波动性网络（PVN）与人工神经网络（ANN）的结合，称为PVN-ANN技术。 首先，研究中将原始的铜价时间序列转化为价格波动性网络（PVN）。这种方法通过构建网络来表示价格的变化，其中节点代表价格变化的时刻，边则根据价格波动的幅度来建立，以此揭示价格变动的内在关系和模式。从PVN的拓扑结构中，可以提取出关于价格波动性的特征，这些特征可能包含有用的信息，用于预测未来的铜价走势。 接下来，研究使用了三种常见的ANN模型：反向传播神经网络（BPNN）、径向基函数神经网络（RBFNN）和极端学习机（ELM）。这些神经网络模型被用来处理PVN中提取的特征，以预测铜价的未来趋势。BPNN以其自我调整的能力闻名，RBFNN以其快速收敛速度和良好的非线性拟合能力著称，而ELM则以其高效的学习过程而受到青睐。 在验证模型性能时，研究采用了来自纽约商品交易所（COMEX）的公开铜现货价格数据集。通过对历史数据的训练和测试，结果显示，PVN-ANN技术在预测铜价的水平和方向上都表现出了优于传统单一ANN模型的效果。这表明，通过整合复杂网络的拓扑信息，能够更好地捕捉和解释铜价的非线性动态模式，从而提高预测的准确性和可靠性。 这项研究强调了复杂网络和人工神经网络在大宗商品价格预测中的协同作用，特别是在处理非线性问题时的优势。这种混合方法不仅为铜价预测提供了新的视角，还可能对其他波动性较强的金融资产的预测分析提供借鉴。未来的研究可以进一步探索如何优化这种结合，以及如何将这种方法扩展到更广泛的金融市场预测中。