石油是重要的化工原料和战略资源,是国民经济各部门运行的能源保障。世界经济发展与全球原油市场紧密联系,国际原油价格波动逐渐成为制约经济运行的不稳定因素。挖掘国际油价波动的内在要素,并对未来油价进行合理预测对国家发展、企业经营和人们生活显得尤为重要。本文以WTI国际原油价格为预测目标,基于小波分析和支持向量机建立原油价格预测模型,实现了2010年5月至2011年2月的油价走势预测。小波具有多尺度分析特征,能将油价信号分解为长期趋势和短期波动两部分;支持向量回归模型改变了传统的神经网络中经验风险最小化原则,针对结构风险最小化原则提出,具有极好的学习能力和推广能力;两种方法相结合可模拟石油市场长期走势和短期非线性波动特征。实证研究中,首先对油价长期走势建立支持向量模型,主要考虑供给、需求、库存和经济金融等多种因素的影响,采用定性和定量分析相结合的方式确定模型输入变量。油价短期波动预测时,由于突发事件、市场参与者心里预期等因素对短时波动影响最大,但因素难以量化,输入变量选择滞后一期和滞后二期的波动序列值。支持向量模型建立过程中,核参数和超参数对模型预测性能影响较大,本研究主要采用多层网格搜索法不断训练学习规则,寻找最优参数组,并最终确立油价预测模型。油价长期预测实证分析显示,支持向量回归模型预测均方根误差仅为3.16,其精度比传统回归模型和神经网络模型分别提高了10.5%和35.7%,而模型对油价走势的方向判断也达到了70%的优度。油价短期波动预测时,时间序列ARMA模型和支持向量模型预测效果不理想,实现突发事件、市场参与者预期等因素的定量化将有利于提高短期波动模型的预测。