Stochastic models traditionally used to describe metals’ prices have proved not to be suitable to represent the dynamic behavior and time-related nature of metal markets. Rates of return are characterized by non-Gaussian and heterogeneous characteristics, which requires the use of properly adjusted models. In this paper, we introduce a stochastic model that takes under consideration the mentioned specific characteristics of the real data corresponding to the mineral commodity prices, namely the non-homogeneous character (time-dependent characteristics) and non-Gaussian distribution. The introduced model is in some sense the extension of the classical Ornstein–Uhlenbeck process (called also the Vasicek model) which was originally used to the interest rate data description. The proposed in this paper model, in contrast to the classical process, has the time-dependent parameters. This perfectly captures the time-dependent characteristics of the real data. Moreover, it is based on the general class of the skewed Student’s t-distribution (SGT), which is related to the non-Gaussian behavior of the real metals’ prices. This paper is a continuation of the authors’ previous research where the simpler model (Chan–Karolyi–Longstaff–Sander, CKLS) based on the SGT distribution was proposed. We demonstrate here the step-by-step procedure of the time-dependent parameters’ estimation and check its effectiveness by using the simulated data. Finally, based on the real-time series analysis, we demonstrate that the proposed stochastic model is universal and can be applied to metals’ prices description for the long-term prediction.

传统上用来描述金属价格的随机模型已被证明不适合代表金属市场的动态行为和与时间相关的性质。回报率具有非高斯和异质性特征，这需要使用适当调整的模型。在本文中，我们引入了一种随机模型，该模型考虑了与矿产品价格相对应的真实数据的上述特定特征，即非均质特征（随时间变化的特征）和非高斯分布。在某种意义上，引入的模型是经典Ornstein-Uhlenbeck过程（也称为Vasicek模型）的扩展，该过程最初用于利率数据描述。与经典过程相反，本文提出的模型 具有与时间有关的参数。这完美地捕获了真实数据的时间相关特性。此外，它基于偏态学生t分布（SGT）的一般类别，这与真实金属价格的非高斯行为有关。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。这完美地捕获了真实数据的时间相关特性。此外，它基于偏态学生t分布（SGT）的一般类别，这与真实金属价格的非高斯行为有关。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。这完美地捕获了真实数据的时间相关特性。此外，它基于偏态学生t分布（SGT）的一般类别，这与真实金属价格的非高斯行为有关。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。它基于偏态学生t分布（SGT）的一般类别，这与真实金属价格的非高斯行为有关。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。它基于偏态学生t分布（SGT）的一般类别，该类别与真实金属价格的非高斯行为有关。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可以用于金属价格的长期预测。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。本文是作者先前研究的延续，其中提出了基于SGT分布的更简单模型（Chan–Karolyi–Longstaff–Sander，CKLS）。我们在这里演示了随时间变化的参数估计的分步过程，并通过使用模拟数据来检查其有效性。最后，基于实时序列分析，我们证明了所提出的随机模型是通用的，可用于金属价格的描述以进行长期预测。