2022年6月2日下午4點，廈門大學(xué)管理學(xué)院龔旭副教授于金盆嶺校區(qū)七教204為我院師生開展了題為“Forcasting oil prices based on machine learning and natural language processing”的講座。本次講座由副院長劉堅教授主持，經(jīng)管學(xué)院副院長彭新宇、我院青年老師和研究生參與講座。

龔旭詳細(xì)講述了他對于油價預(yù)測的研究，并指出石油是最重要的能源之一，在世界范圍內(nèi)的工業(yè)制造和經(jīng)濟(jì)活動中起著至關(guān)重要的作用。預(yù)測石油價格有利于政府政策的制定，在整個商業(yè)領(lǐng)域創(chuàng)造財富并減少財物損失。然而，石油市場的不確定性和復(fù)雜性使得油價預(yù)測變得困難，所以進(jìn)行對油價預(yù)測的深入研究是十分有必要的。

龔旭報告了他最新的兩個研究工作。（1）提出了一種基于經(jīng)驗?zāi)B(tài)分解（EMD）和長短期記憶（LSTM）算法的混合深度學(xué)習(xí)預(yù)測模型——Mod-EMD-LSTM模型。接著，使用WTI原油期貨價格數(shù)據(jù)，檢驗該模型對原油價格的預(yù)測能力。結(jié)果表明，該模型對原油價格具有良好的預(yù)測精度。與LSTM/EMD-LSTM 模型相比，Mod-EMD-LSTM 模型的R2和方向精度（DA）有明顯的提高；同時，均方誤差（MSE）和平均絕對誤差（MAE）也有明顯的下降。（2）提出了一種創(chuàng)新的方法，可以根據(jù)最新的基于文本的新聞和歷史財務(wù)記錄來捕捉原油價格的趨勢。通過采用自然語言處理（NLP）技術(shù)，從在線石油新聞中獲得的文本特征捕捉到更多隱藏信息，提高了原油價格的預(yù)測準(zhǔn)確性。該研究發(fā)現(xiàn)文本和財務(wù)特征在提高LightGBM和基準(zhǔn)模型的預(yù)測能力方面是互補的。此外，還進(jìn)行了一系列事件研究，以驗證正負(fù)情緒沖擊對原油價格變化的不對稱影響。其實證結(jié)果表明，生成的基于文本的新聞特征可以有效地減少預(yù)測誤差，并且可以通過合并所有特征來最大限度地減少預(yù)測誤差。

會議最后，青年教師與研究生就本次講座主題進(jìn)行了深入交流。劉堅總結(jié)指出，龔旭老師非常真誠地分享了個人在學(xué)術(shù)道路上的心得，講座幽默風(fēng)趣，有很多富有價值的觀點，對于青年老師和研究生從事學(xué)術(shù)研究事業(yè)有極大的指導(dǎo)意義。

龔旭，湖南寧鄉(xiāng)人，廈門大學(xué)管理學(xué)院副教授，廈門大學(xué)人工智能研究院兼職碩士研究生導(dǎo)師；主要研究領(lǐng)域為能源金融、能源安全、氣候金融與金融風(fēng)險管理。主持國家自然科學(xué)基金面上項目等科研項目7項，已經(jīng)在《管理科學(xué)學(xué)報》《Journal of Futures Markets》《International Review of Financial Analysis》等國內(nèi)外重要期刊發(fā)表（含錄用）論文50余篇，曾獲湖南省自然科學(xué)獎二等獎等獎項，撰寫的多份咨詢報告被中央國家安全委員會辦公室領(lǐng)導(dǎo)批示或采納。

(文/范辰、吳畏  圖/鐘笑陽  審/劉堅)