随着中国经济的持续快速增长、对外石油依存度越来越高以及全球石油行业的不断起伏变化,具有独特地位的石油,它的价格波动对我国社会经济发展的冲击愈加明显。中国从1998年石油定价权与国际接轨以来,国内原油价格受到国际原油价格的较大影响。近年来,全球原油价格起起落落,价格变化大且次数多,这极大地扰动了像中国这样对原油需求较大的国家的社会经济的发展,对中国整体社会经济的稳定造成了干扰。所以,对全球石油价格的变化进行有效监控、比较和预测有着非常重要的意义。本文提出了基于EMD分解的不同市场原油价格相关性分析方法。首先,运用EMD技术将不同市场原油价格序列分解成若干个不同频率的分量(包括若干个本征模函数和一个剩余分量),分别提取出市场波动项、重大事件影响项和趋势项；然后分别对不同市场原油价格的市场波动项、重大事件影响项和趋势项进行研究分析,分析上述数据的短期相依性和互动性,应用协整理论、基于向量自回归的Granger因果检验和误差修正模型,对金融危机中不同市场原油价格影响项的长期均衡关系以及短期波动模式进行实证研究；最后,总结计量分析的结果并简要分析本研究的若干政策含义。由于原油价格序列是非线性和非平稳时间序列,所以精确预测原油价格是一项非常有挑战性的工作。传统的统计和经济学模型建立在数据是线性的假设之上,很难捕捉到隐藏在原油价格序列中的非线性模式,通常不能得到精确的原油价格预测结果。为了克服传统的统计和计量经济学模型的局限性,人工神经网络(ANN)、支持向量机(SVMs)和遗传规划(Genetic Programming)等计算智能方法被运用于原油价格预测。实验结果表明这些方法的预测精度优于传统的统计和计量经济模型。针对原油价格预测问题,本文提出一种基于EMD(经验模式分解)和SVMs(支持向量机)的非线性组合预测方法。该方法运用EMD技术将原油价格序列分解成若干个不同频率的分量,根据频率高低将各分量分组叠加得到三个新序列,分别代表市场波动价格、重大事件价格、趋势价格；针对此三个序列,构建不同的SVMs模型分别进行预测,得到各序列预测值；用SVMs针对各序列预测值构建组合模型得到最终预测值。采用WTI, Brent和大庆原油现货价格数据验证本方法的有效性,并对WTI, Brent和大庆的原油价格进行了预测。结果表明,此方法与单一的SVMs模型和人工神经网络模型相比,具有较高的预测精度。