本文将递归神经网络(RNN)方法应用于棉花和石油价格的预测。我们展示了机器学习的这些新工具,特别是长短期记忆(LSTM)模型,是如何补充传统方法的。我们的结果表明,机器学习方法与数据拟合得相当好,但在样本外预测方面并不优于系统经典方法,如自回归综合移动平均(ARIMA)或天真模型。然而,与任何一种方法相比,对这两种模型的预测进行平均可以提供更好的结果。与ARIMA和LSTM相比,棉花平均预测的均方根误差(RMSE)分别低0.21%和21.49%。对于石油,预测平均值并不能改善RMSE。我们建议使用预测平均法,并将我们的分析扩展到广泛的商品价格。