背景（重要原因）：原油期货市场对于全球能源安全、经济稳定和金融市场发展具有关键作用，它不仅为原油价格提供了一个重要的参考基准，还为各方提供了风险管理工具，有助于缓解价格波动带来的不确定性，同时促进了国际贸易和相关产业的发展，增强了市场效率和流动性。
1.研究问题
（1）原油期货波动性
大部分学者现在都对原油期货波动性做出研究，在广泛阅读中可以发现，现在对原油期货的波动性的数据指标集大概可以分为六个方面 （这些指标集也可以用作数据集）：
- 供需基本面信息：如INE库存期货，中国原油进口量，运价指数等
- 汇率市场信息：人民币指数，上海银行间拆放利率等
- 商品市场信息：如金属商品指数，贵金属商品指数
- 金融化信息INE持仓量，普尔500指数，VIX指数，原油期权等
- 宏观经济：各国EPU月度指数
- 事件信息：地缘政治事件词条，自然灾害词条等 通过对这几个方面的研究作者发现，原油市场相关事件信息对INE油价波动预测精度更高，并且突发性事件和地缘政治事件是刺激原油价格波动的重要信息
从模型上来说，波动率的度量大多使用已实现波动率（RV），绝大部分模型使用各种多元GARCH模型来进行分析波动率例如混频GARCH-MIDAS模型，有一部分采用改进的Copula算法，还有利用常系数VAR模型和TVP-VAR-SV模型对波动率进行预测。
从各种文章上来看利用深度学习算法进行波动率溢出效应，或者对原油波动率预测的文章较少可以是未来研究的方向。
（2）原油价格预测
1.基于VMD-LSTM-ELM模型的国际原油价格预测研究
-
在研究中提出了一种结合变分模态分解（VMD）、长短期记忆网络（LSTM）和Elman神经网络（ELM）的混合模型，用于预测国际原油价格。
-
该模型首先利用VMD对原油价格序列进行分解，然后分别用LSTM和ELM对分解后的子序列进行预测，最后将预测结果重构以获得最终的原油价格预测。
2.基于误差修正与深度强化学习的原油期货价格预测研究
-
构建了一个基于误差修正和深度强化学习的原油期货价格预测模型（PVMD-QSBT-ECS）。
-
该模型使用粒子群优化算法优化的变分模态分解（VMD）对原油期货价格序列进行分解，然后利用Q学习算法确定最优权重组合，构建集成预测模型，并对预测结果进行动态误差修正。
3.时变风险厌恶与原油期货价格波动 ——基于GARCH-MIDAS模型的实证研究
-
采用GARCH-MIDAS模型，引入时变风险厌恶（RA）指数，实证分析RA对原油期货价格波动的影响。
-
该模型考虑了不同频率的时间序列数据，通过引入RA指数来评估其对原油期货价格波动的影响。
该研究丰富了对原油期货价格波动影响因素的理解，特别是在考虑投资者情绪和风险偏好变化方面的研究，为金融市场的波动性研究提供了新的视角。
（3）对于原油有较大影响的原因？
- 地缘政治风险与中国原油期货市场：杨坤等人（2023）的研究探讨了地缘政治风险对中国原油期货市场的影响。通过小波多分辨的非参数分位数因果检验方法，发现地缘政治风险在频域视角下对中国原油期货收益具有显著影响，且这种影响在极端分位点更为明显。研究强调了在不同时间尺度下，地缘政治风险对原油期货市场的影响具有非对称特征，对长期影响大于短期冲击。
- 碳市场、股票市场与原油期货市场的波动溢出效应：秦彦烯（2023）的研究聚焦于碳市场、股票市场与原油期货市场间的波动溢出效应。基于Vine Copula模型，研究发现在疫情等特殊事件的冲击下，市场间的波动溢出效应发生了显著变化。疫情前后，市场间的相依关系从D藤变为R藤，表明市场间的联动性增强。研究结果对于完善碳市场的风险防御机制具有指导意义。
- 国际原油期货与中国新能源股指市场的动态相关性：余珂等人（2023）通过DCC-GARCH模型分析了国际原油期货市场与中国新能源股指市场的动态关系。研究结果显示，两个市场之间存在长期的正动态相关性，且在金融市场非正常情况下，两者的动态相关系数不稳定，金融风险提升。
（4）原油期货国际地位研究
人民币原油期货国际地位研究——基于多元传递熵的复杂网络分析
主要研究了人民币原油期货（SC原油）在国际原油期货市场中的地位。文章通过构建基于多元传递熵的信息溢出网络分析框架，对国际原油期货市场的信息溢出关系进行了量化分析，分析了包括伦敦、纽约、迪拜、莫斯科、印度、东京和上海在内的7个主要原油期货市场间的信息溢出关系，旨在揭示不同原油期货市场间信息传递的动态性和复杂性。
文章通过复杂网络分析方法，揭示了国际原油期货市场间信息传递的复杂性和动态性，而且目前研究文章较少，可以是一个研究的新方向。