粮食作为一种基础产品,其价格的波动会对我国粮食生产、粮食相关产品进出口以及国家宏观经济调控产生深远影响,关系到消费者和生产者的切身利益。因此,深刻了解和剖析影响粮食价格波动的各种因素,在影响因素的基础上建立相关回归预测模型分析和预测粮食价格变化趋势,一方面可以了解我国粮食价格的变动趋势;另一方面能够为相关价格调控和宏观经济政策的出台提供科学参考,对于稳定粮食价格和保证粮食安全具有重要的现实意义。本文首先根据粮食价格波动的理论和梳理之前学者对粮食价格影响因素的研究,选取了 21个变量来衡量我国粮食价格波动。然后对Lasso方法和支持向量机这两种方法的特点和应用范围进行了分析和总结,我们发现这两种方法应用到粮食价格预测中都有自身的优缺点。所以本文把Lasso方法和支持向量机组合起来完成对粮食价格的拟合和预测,在预测过程中弥补其各自的缺点,实现他们的优势互补,使其预测结果达到更好的精度,主要给出了以下三种融合的可能性和方式:第一,把Lasso方法与支持向量机通过串联方式进行组合,其核心思想是:首先利用Lasso方法筛选出影响粮食价格波动的主要因素,然后将主要影响因素作为支持向量机模型的输入,通过不断地学习与训练,得出最后粮食价格的预测值。第二,把Lasso方法与支持向量机通过并联方式进行组合,即分别用Lasso方法和支持向量机来进行预测,然后在均方差最小的条件下寻找最优组合权值将两个预测结果组合起来。第三,把Lasso方法与支持向量机通过嵌入方式进行组合,其基本思路就是以Lasso模型、支持向量机模型对粮食价格的预测值作为SVM预测模型的输入向量,相应时刻的粮食价格实际值作为输出目标值,建立组合模型的预测样本对,最后得到粮食价格的预测值。最后,将组合模型、单一方法模型和传统粮价预测方法ARIMA方法运用到粮食价格预测实际中,通过预测值的对比分析,发现基于Lasso方法与支持向量机串联型组合模型和嵌入型组合模型的预测精度要明显高于其他四个模型的预测精度,证明了运用Lasso方法与支持向量机对粮食价格进行组合预测的可行性和优越性。