基于递归特征选择与自动机器学习框架的全球小麦价格预测研究

本研究针对全球小麦价格预测中经济趋势、环境变异和市场条件等多因素交织的复杂挑战，创新性地将递归特征消除交叉验证（RFECV）与贝叶斯岭回归（Bayesian Ridge Regression）整合至自动机器学习（AutoML）框架。通过分析32年联邦储备经济数据库的月度数据，筛选出滞后1期、滞后2期及异常值指标作为关键特征，在80:20数据划分下，贝叶斯岭模型以12.26的RMSE显著优于其他35个模型（相对提升1.39%-2.61%），为国际小麦贸易政策制定与市场干预提供了高精度决策工具。

　　

全球小麦市场长期受经济波动、地缘冲突（如俄乌战争）和极端事件（如COVID-19疫情）的多重冲击，价格预测面临数据稀缺与非线性关系的双重困境。传统统计模型难以捕捉突发性市场震荡，而深度学习又存在超参数调试复杂、计算成本高昂的问题。在此背景下，研究人员探索了自动机器学习（AutoML）与特征选择技术的融合应用，旨在建立兼具高精度与可解释性的预测框架。

研究团队从联邦储备经济数据库（FRED）获取1990-2022年共384个月的全球小麦价格数据，采用递归特征消除交叉验证（RFECV）结合随机森林筛选出最具预测力的特征组合。通过LazyPredict工具评估35种模型后，锁定贝叶斯岭回归等5个最优模型进行超参数优化，最终在四种训练集-测试集划分方案（80:20至65:35）中验证稳定性。

数据预处理与特征选择
经验模态分解（EMD）将价格序列分解为6个本征模态函数（IMF），揭示2008年金融危机等事件对应的异常波动。RFECV确定滞后1期（Lag 1）和滞后2期（Lag 2）为关键时间特征，互信息分析显示Lag 1与当期价格的关联度达峰值。创新性引入的3σ异常值指标，有效标记了超过均值三倍标准差的极端价格事件。

模型性能比较
在包含异常值指标的特征集上，贝叶斯岭回归展现出最优的泛化能力：80:20划分时测试集RMSE为12.26，较线性回归（12.43）和Lasso Lars CV（12.58）提升显著。交叉验证中，其标准化均方根误差（NRMSE）的波动范围最小，证明对训练数据量的敏感性最低。计算效率方面，贝叶斯岭单次预测仅需0.3秒，远低于多层感知机（MLPRegressor）的0.86秒。

机制解析
模型系数分析显示，异常值指标权重（～1.3）高于滞后1期（～1.2），证实突发事件对价格体系的支配性影响。贝叶斯框架通过Gamma先验（alpha_1=0.0001, alpha_2=0.00001）实现自适应正则化，避免了LARS算法中手动设置alpha参数的局限性。

该研究通过特征工程与AutoML的协同创新，将小麦价格预测误差控制在历史均值的6.8%以内。贝叶斯方法的概率解释特性，为量化预测不确定性提供了新思路。未来可扩展至玉米、大豆等农产品市场，并整合气象因子与供应链数据以提升预测维度。论文发表于《Journal of Agriculture and Food Research》，为农业经济领域的智能决策树立了方法论标杆。