Resumen

El petróleo crudo es uno de los tipos de energía más importantes para la economía global, por lo que resulta muy atractivo entender el movimiento de los precios del petróleo crudo. Sin embargo, las secuencias de precios del petróleo crudo suelen mostrar algunas características de no estacionariedad y no linealidad, lo que dificulta mucho la predicción precisa de los precios del petróleo crudo. Para hacer frente a este problema, en este artículo proponemos un enfoque novedoso que integra la descomposición empírica modal completa con ruido adaptativo (CEEMDAN) y el aumento extremo de gradientes (XGBOOST), llamado CEEMDAN-XGBOOST, para la predicción de los precios del petróleo crudo. En primer lugar, utilizamos CEEMDAN para descomponer las secuencias no estacionarias y no lineales de los precios del petróleo crudo en varias funciones modales intrínsecas (IMFs) y un residuo. En segundo lugar, XGBOOST se utiliza para predecir cada IMF y el residuo individualmente. Finalmente

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Petróleo crudo; Energía; Economía global; Pronóstico; CEEMDAN-XGBOOST; West Texas Intermediate
• Keywords:Crude oil; Energy; Global economy; Forecasting; CEEMDAN-XGBOOST; West Texas Intermediate