近日，研究中心博士生邢丽敏（导师：张跃军教授）和张跃军教授合作的论文“Forecasting crude oil prices with shrinkage methods: Can nonconvex penalty and Huber loss help?”被能源环境经济与管理领域国际顶级期刊Energy Economics（SSCI，IF=7.042，JCR一区）录用。

收缩模型能够从大量变量中筛选出重要预测因子，在商品价格的预测方面表现优越，然而，常用的收缩模型（诸如LASSO、弹性网络和岭回归）在估计过程中对重要变量和冗余变量的估计系数施加同等惩罚，导致不必要的参数估计有偏性，而且传统的平方损失函数使得参数估计对厚尾数据适用性较差。为此，本文分别考虑收缩模型的非凸惩罚函数（SCAD和MCP）和Huber损失函数对国际原油价格进行预测，研究结果为市场参与者选择合适的收缩方法预测油价提供了新思路。另外，在探讨投资组合中预测结果的经济价值时，本文考虑了交易成本的影响，这在实际期货交易中很常见且十分重要，然而现有原油价格预测研究很少考虑。而且，本文对收缩估计施加额外的统计和经济约束，弥补了参数约束方法在收缩预测领域的应用。

结果表明：首先，一年期预测范围内，基于SCAD/MCP惩罚函数和Huber损失函数的收缩模型样本外预测表现优于基准模型和常用的收缩模型。其次，通过构建均值-方差投资组合，基于非凸惩罚函数的收缩模型在大部分预测长度下能够获得最大的经济价值，接下来是LASSO和弹性网络，而基于Huber损失函数的收缩预测经济表现较差。而且，在原油价格大幅下跌时，无论是统计角度还是经济角度，收缩模型的预测表现均显著优于基准模型。最后，通过对收缩模型的估计系数施加额外统计约束和经济约束，模型的样本外预测效果得以进一步提高。

论文研究工作得到了国家自然科学基金面上项目、教育部国家重大人才计划和湖南省科技创新领军人才等项目资助。

Li-Min Xing, Yue-Jun Zhang*. Forecasting crude oil prices with shrinkage methods: Can nonconvex penalty and Huber loss help?. Energy Economics, 2022, 110: 106014.