关键词：钢铁价格预测;钢铁期货;集合经验模态分解;Transformer模型
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。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取