随着原油市场的全球一体化和市场化进程不断加速，影响原油市场的风险因素日趋复杂，市场波动不断加大。在原油市场投资风险控制与风险管理中，市场风险的持续上升对市场风险预测和投资组合优化控制的准确性提出了更高的要求。近年来，以经验模态分解为代表的多尺度分析模型为原油风险建模分析与预测研究提供了新的建模框架和理论。针对原油市场风险预测与投资组合优化控制问题，本文基于原油市场的多尺度数据结构提出了多尺度市场假说，为原油市场风险的多尺度微观结构提供了理论解释;并据此构建了基于多尺度分析的原油市场风险预测模型，为多尺度风险结构特征抽取、突变风险分量因子筛选和风险集成预测提供了一般建模框架。在此基础上，本文引入了几种新兴的基于模态分解的多尺度分析方法，从多尺度视角对原油市场的多尺度风险结构进行建模分析。针对多尺度风险因子的筛选与集成预测问题，本文提出了一系列基于多尺度分析的在险价值(Value at Risk，VaR)预测模型，并以此为基础，提出了基于多尺度风险测度的投资组合优化控制模型。本文取得的主要研究成果如下:
　　(1)针对单个原油市场突变风险因子的识别问题，本文提出了基于MD-QRNN的单变量多尺度VaR预测模型。该模型基于EEMD和EMD模型分解原油风险的主要风险因子，通过QRNN模型对市场风险和突变风险因子分别建模预测，再将筛选出的突变风险预测包含进总体市场风险预测中。实证研究结果表明，该模型能够分解出原油市场的多尺度风险结构，对突变风险因子进行建模预测，能提高VaR预测精度。
　　(2)针对多个原油市场投资组合的突变风险因子识别与风险预测问题，本文提出了基于MEMD-DCC-GARCH的多变量多尺度投资组合VaR预测模型。该模型采用MEMD分解多个原油市场的多尺度风险结构，确定跨市场突变风险因子的影响尺度，并采用多元DCC-GARCH模型预测突变风险因子和投资组合的风险预测值。实证研究结果表明，该模型能提高投资组合VaR预测的准确性和可靠性。
　　(3)针对原油市场突变风险因子的小样本特征建模预测问题，本文提出了基于MEMD-BiGAN的多尺度投资组合VaR预测模型。该模型引入BiGAN模型对小样本的数据分布建模，生成模拟数据集，并在此基础上采用历史模拟法预测投资组合VaR值。实证研究结果表明，MEMD-BiGAN模型能更准确地预测原油市场风险水平。
　　(4)针对单个原油市场不同尺度风险因子的非线性集成预测问题，本文提出基于VMD-CNN的单变量多尺度VaR集成预测模型。该模型通过VMD模型对原油价格的多尺度风险结构进行建模分解，并通过卷积神经网络对多尺度VaR风险预测值进行进一步特征抽取和集成预测。实证研究结果表明，多尺度分析与深度学习模型结合能有效挖掘和充分利用原油风险变动中的多尺度风险结构信息，提高风险预测精度。
　　(5)针对外部金融市场在不同尺度上影响原油市场风险变动的问题，本文提出基于MEMD-CNN的多变量多尺度VaR集成预测模型。该模型在原油市场风险预测中考虑外部金融市场在不同尺度上的影响，采用多元模态分解(MEMD)模型揭示不同尺度上原油市场与外部金融市场之间的相互关系，并应用深度学习模型估计市场风险变动与外部金融市场风险因子之间的非线性集成关系。实证研究结果表明，该模型具有较高的VaR风险预测精度。同时，本文对5种不同的多尺度VaR预测模型进行了对比分析，给出了相应的适用条件和应用范围。
　　(6)在基于多尺度分析的风险预测基础上，本文构建了基于多尺度VaR的原油市场投资组合优化控制模型。该模型通过构建均值-多尺度VaR模型，在风险最小化的优化求解过程中考虑风险在不同尺度上的动态结构变化。通过最小化多尺度VaR预测值，采用遗传算法与粒子群算法对投资组合优化模型进行求解，实现对原油市场投资组合风险的优化控制。实证研究结果表明，基于多尺度分析的投资组合优化模型能够有效提高投资组合的回报率。
　　本文的研究工作为原油市场风险预测与投资组合优化控制提出了新的理论框架和研究思路，为原油风险控制和风险管理中的一些重要实际问题提供了新的模型和方法，拓展并丰富了风险预测与优化控制建模分析的研究领域。本文的研究成果可以用于构建基于多尺度分析的风险预测和投资组合优化模型，帮助投资者更精确地衡量和跟踪原油市场风险变动，在此基础上构建优化的原油市场投资组合交易策略。