近年来大宗商品的价格巨幅波动致使我国经济受损,我国作为大宗商品进口量最大的国家,在大宗商品定价权方面的话语权显得微乎其微。这种情况下,结合市场经验,正确的分析影响大宗商品价格的因素及其波动规律,运用科学的方法对大宗商品价格进行有效的预测,无疑对我国政府经济政策的制定,企业经营策略的选择,家庭以及个人的生产生活导向具有重要意义。大宗商品价格预测一直是各界研究的热点,但大宗商品价格的影响因素较多,如政府法令、市场周期性波动、个人投机行为。传统的价格预测模型已经很难满足现有价格体系下准确度的需要。本文以大宗化工产品为例,首先对产业链上产品价格传导理论进行了整理和总结。根据在价格传导的过程中出现的线性传导和非线性传导,总结了影响大宗商品现货价格波动的因素。最后,针对影响因素对价格预测理论的发展进行了评述,指出现有预测模型存在的问题。之后提出将图网络理论结合神经网络运用于产业链上产品价格的预测。这种复合算法不仅可以完全发挥图网络理论在产业网络数据表征上的优势;与此同时神经网络算法对非线性特征良好的适应能力,还在图网络理论的优越性能上进一步提高预测的有效性。文章主要研究目的是基于图网络理论的大宗商品现货价格预测的实际运用,并选取化工产品网络核心产品进行验证。首先对图网络理论的概念以及内部实现细节进行了介绍。其次,建立了基于图网络理论的现货价格预测模型,与其他模型预测结果进行比较,实现对大宗商品现货价格的仿真预测。实验结果表明,网络中关键节点对整个产品网络起到至关重要的作用,因此,企业为保证关键产品节点的生产运行,建立合理有效的预警机制。在保证现有产品网络完整性的同时,进一步优化产业链结构,增加资金投入。在大宗商品价格预测的问题上,本文提出的价格预测模型更具有效性,对产业链上游的价格预测更加准确,产业链上下游产品在生产关系上的结构能够对产品价格波动的预警起到更大的正反馈作用。让大宗商品行业的从业者、企业、政府直观的观察到大宗商品价格的变化趋势,为他们的决策提供数据支持。