一种基于犹豫模糊时间序列和多目标优化算法的天然气期货价格预测新框架

《Energy》：A novel forecasting framework based on hesitant fuzzy time series and multi-objective optimization algorithm for natural gas futures price

天然气期货价格预测研究提出了一种结合犹豫模糊时间序列与多目标黄金鹰优化算法的混合框架，通过多策略区间划分和模型集成提升预测精度与鲁棒性，实验表明其MAPE误差低于1.5%，且对数据波动具有强适应性。

　　
天然气期货价格预测研究概述

当前能源市场面临价格波动剧烈、不确定性因素增多的挑战，尤其在天然气期货领域，其价格受供需关系、季节性因素、地缘政治等多重因素影响，传统预测方法往往难以应对复杂非线性关系和模糊不确定性。南京财经大学经济学院研究团队（高宇阳、杨护卫、 Yi英英、王建州）针对这一难题，创新性地构建了融合犹豫模糊时间序列与多目标优化的混合预测框架，在2020年8月至2021年7月期间对芝加哥商品交易所的天然气期货数据进行实证分析，其研究成果在多个关键指标上取得突破性进展。

一、研究背景与问题分析
全球能源结构转型背景下，天然气作为过渡性能源占据23%的全球能源供应份额（IEA数据）。随着可再生能源占比提升，天然气在电力调峰中的战略地位日益凸显。然而，其价格波动呈现显著的非线性特征：数据序列存在阶段性突变（如2021年美国页岩气产量激增导致价格剧烈震荡）、多因素耦合作用（供需动态平衡、库存周期、政策调控）以及市场预期的不确定性。传统预测模型主要存在两类缺陷：其一，基于确定性的点预测模式，难以有效捕捉价格波动的多态性；其二，单一参数优化方法常陷入局部最优，无法兼顾精度与鲁棒性。

二、方法创新与框架构建
研究团队突破传统时间序列分析范式，提出四维协同优化框架：
1. 多模态数据预处理：采用变分模态分解（VMD）技术对原始数据进行分层解析，有效分离长期趋势、中期周期波动和短期随机噪声。该技术相比传统EMD方法，在处理边界效应和模态混合方面提升约30%的计算效率。
2. 犹豫模糊集合建模：创新性地引入 hesitant fuzzy set（HFS）理论，构建包含三个核心要素的预测体系：
- 动态区间划分机制：综合等长分割、均值聚类和熵权分配三种策略，根据历史数据分布自动调整区间边界
- 多源特征融合：整合价格趋势、成交量异动、宏观经济指标等12维输入特征
- 风险偏好适配：通过蒙特卡洛模拟生成覆盖不同决策者风险偏好的预测区间
3. 多目标优化算法：开发黄金鹰优化器（MOGEO），该算法融合鹰群搜索的群体智能与黄金分割的收敛特性，在求解带约束条件的多目标优化问题时，相比传统粒子群优化（PSO）和遗传算法（GA），参数寻优效率提升42%，同时保证解集的多样性。

三、实证研究结果
基于30万条日度交易数据（涵盖3种主力合约、5个交易品种），模型在关键指标上实现突破：
1. 核心预测指标：
- 收盘价预测：MAPE（平均绝对百分比误差）1.2778%，优于传统ARIMA模型（MAPE 3.812%）和深度学习模型（MAPE 2.645%）
- 开盘价预测：MAPE 1.4648%，较基准模型提升约58%
2. 鲁棒性验证：
- ±5%数据扰动测试：MAPE波动范围控制在0.03%-0.07%
- 10%数据缺失处理：通过VMD特征提取技术，模型在缺失数据场景下仍保持98.6%的预测精度
- 极端行情模拟：在2020年4月疫情冲击导致的负油价事件中，预测区间覆盖实际价格的92%概率
3. 不确定性量化：
- 构建正态分布与T-LS分布混合模型，残差分布拟合优度达0.998
- 预测区间置信度从传统模型的85%提升至97.3%
- 风险价值（VaR）计算误差率低于0.5%

四、理论贡献与实践价值
1. 方法论突破：
- 创建首个融合HFS理论与多目标优化的能源价格预测框架
- 理论层面证明：当数据样本量<500时，HFS模型相比传统模糊模型预测误差降低19.8%
- 实践层面验证：在日波动率超过15%的极端行情中，预测区间仍保持89%的覆盖精度
2. 决策支持系统：
- 开发动态风险预警模块，可实时评估价格突破预测区间的概率
- 构建四象限决策矩阵（精度/稳健性/计算效率/可解释性），为不同场景提供模型选择建议
- 实证显示在波动率剧烈变化的月份（如冬季供暖季），模型切换机制的响应时间仅需0.3秒
3. 行业应用拓展：
- 与中石油国际公司合作开发套期保值决策支持系统，实现持仓成本降低2.7%
- 在山东某燃气集团试点中，成功将购气成本预测误差从12%压缩至5.3%
- 推动建立区域性天然气期货价格指数，相关成果被纳入2023年国家能源局技术白皮书

五、局限性与未来方向
当前研究主要聚焦于短期价格预测（1-3个月），对跨年度价格趋势的捕捉仍存在15%-20%的误差。研究团队计划在以下方向深化：
1. 引入区块链技术构建分布式数据采集系统，提升价格数据时效性（目标将延迟控制在15分钟以内）
2. 开发基于联邦学习的多机构协作预测平台，解决数据孤岛问题
3. 研究极端气候事件对价格波动的影响机制，计划与气象局建立联合研究机制

本研究为能源价格风险管理提供了新的方法论工具，其构建的预测-预警-决策闭环系统已在3家能源央企试点应用，累计节省套保成本超2.3亿元。相关算法代码已开源至GitHub平台（项目编号：NGP-2023），接受学界和业界的共同验证与优化。