随着国家对基建投资力度的持续加大和房地产业的快速发展,建筑行业耗钢量呈现逐年增加的趋势。螺纹钢是整个钢铁产业最主要的制成品之一,是建筑工程的主要结构用件,在建筑行业耗钢量中占比达到了一半以上。近年来螺纹钢的价格受到市场供需变动及相关经济贸易政策等因素的影响处于不断波动的状态,给建筑用钢企业带来了较大的价格风险。因此对于建筑行业来说一个比较重要的问题就是如何规避螺纹钢价格频繁变动所引发的价格危机。通过对已有研究进行分析发现,大多数学者均是研究整个钢材市场价格的影响因素,且在进行价格预测研究时对于组合预测模型的应用相对较少。因此,本文基于已有研究基础,梳理出螺纹钢价格变动的关键影响因素并引入组合预测模型对其价格进行研究预测,以期能够为建筑用钢企业投资管控提供参考依据和信息支持,降低投资风险。首先,本文分析了国内外相关领域的研究动态,利用文献研究法并结合螺纹钢市场的特点,主要从宏观经济、市场供求关系、生产成本构成以及其他因素等方面,筛选出22个影响因素并分别进行了深入分析;其次,从国家统计局、重庆市造价信息网等网站获取相关数据并进行相关性分析,筛选出15个相关性较强并且具有统计意义的影响因素,进而采用灰色关联分析法进一步对15个影响因素指标与螺纹钢价格的关联程度进行测算分析,挖掘影响螺纹钢价格的关键因素,为螺纹钢价格预测研究奠定基础;再次,利用统计分析法和定量分析法,通过对所选取的螺纹钢样本数据的波动特性进行研究,构建预测模型选择标准,选择指数平滑模型、ARIMA模型和多元线性回归模型这三种模型构建螺纹钢价格单项预测模型库。同时为了提高模型预测结果的准确性,引入BP神经网络和主成分分析法分别建立组合预测模型,形成螺纹钢价格组合预测模型库;最后,对各种预测模型进行实证研究,利用模型精度评价指标对各个模型进行有效性判断。研究发现,最为关键的3个螺纹钢价格影响因素分别为焦炭价格、螺纹钢出口量和制造业采购经理指数。在三种单项预测模型中,ARIMA模型的预测精度最好,指数平滑模型的预测精度稍逊,多元线性回归模型的预测精度相对较差。两种组合预测模型的预测精度均较好,但BP神经网络组合预测模型的预测精度要明显优于主成分分析法组合预测模型。综合来看,两种组合预测模型的预测效果要显著优于各种单项预测模型,在这五种预测模型中BP神经网络组合预测模型的预测效果最优。本文全面系统的分析了螺纹钢价格的影响因素,明确了各个影响因素的影响程度,构建了两种螺纹钢价格预测模型库,并通过实证研究分析各个预测模型的拟合效果,最终得到最为适合的价格预测模型。这对于建筑用钢企业及螺纹钢生产企业来说,预先掌握螺纹钢价格走势、规避价格风险等方面具有积极的现实意义。