本文關(guān)鍵詞：基于誤差同步預(yù)測的SVM金融時間序列預(yù)測方法

  更多相關(guān)文章： 誤差預(yù)測 經(jīng)驗?zāi)B(tài)分解 支持向量機(jī) 時間序列

【摘要】：在現(xiàn)有支持向量機(jī)(SVM)方法的基礎(chǔ)上提出對預(yù)測誤差進(jìn)行同步預(yù)測的雙重預(yù)測方法,利用預(yù)測到的誤差對初步預(yù)測值進(jìn)行校正以提高預(yù)測精度.針對誤差序列非線性、非平穩(wěn)以及系統(tǒng)動力信息不足的特點(diǎn),將經(jīng)驗?zāi)B(tài)分解(EMD)和支持向量機(jī)(SVM)方法結(jié)合引入誤差序列的預(yù)測中.對誤差序列的預(yù)測分別運(yùn)用初步訓(xùn)練誤差和測試誤差對預(yù)測集合的誤差進(jìn)行預(yù)測,將所得到的誤差序列分解為若干固有模態(tài)分量(IMF),根據(jù)各個IMF不同尺度的特點(diǎn),選擇不同的參數(shù)對其進(jìn)行預(yù)測,最終合成原始序列的誤差預(yù)測值,將所預(yù)測到的誤差與初步原始序列預(yù)測值結(jié)合,得到最終的預(yù)測值.仿真結(jié)果表明該方法能夠很好地解決預(yù)測滯后性和拐點(diǎn)誤差大的缺點(diǎn),相對于普通的SVM預(yù)測方法具有更好的預(yù)測精度.
【作者單位】： 天津大學(xué)管理與經(jīng)濟(jì)學(xué)部;
【關(guān)鍵詞】： 誤差預(yù)測 經(jīng)驗?zāi)B(tài)分解 支持向量機(jī) 時間序列
【基金】：國家自然科學(xué)基金資助項目(70971097)
【分類號】：F830;TP181
【正文快照】： 金融時間序列的預(yù)測對于政府經(jīng)濟(jì)政策的頒布、企業(yè)和個體的投資活動具有至關(guān)重要的指導(dǎo)意義,但是復(fù)雜的內(nèi)部規(guī)律和龐大的數(shù)據(jù)處理使得傳統(tǒng)的預(yù)測方法效果不佳,因此新預(yù)測技術(shù)的提出和改進(jìn)一直是金融時間序列研究的重要方向之一.目前主流的金融時間序列預(yù)測方法主要有模型法和

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 劉慧婷;倪志偉;李建洋;;經(jīng)驗?zāi)B(tài)分解方法及其實(shí)現(xiàn)[J];計算機(jī)工程與應(yīng)用;2006年32期

2 金桃;岳敏;穆進(jìn)超;宋偉國;何艷珊;陳毅;;基于SVM的多變量股市時間序列預(yù)測研究[J];計算機(jī)應(yīng)用與軟件;2010年06期

3 楊穌;史耀媛;宋恒;;基于小波變換域的SVM股市時間序列預(yù)測算法[J];科學(xué)技術(shù)與工程;2008年12期

4 李軍;趙峰;;基于支持向量回歸神經(jīng)網(wǎng)絡(luò)的時間序列預(yù)測[J];系統(tǒng)仿真學(xué)報;2008年15期

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊緒兵,韓自存;ε不敏感的核Adaline算法及其在圖像去噪中的應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2003年04期

2 陶秀鳳,唐詩忠,周鳴爭;基于支持向量機(jī)的軟測量模型及應(yīng)用[J];安徽工程科技學(xué)院學(xué)報(自然科學(xué)版);2004年02期

3 許高程;張文君;王衛(wèi)紅;;支持向量機(jī)技術(shù)在遙感影像滑坡體提取中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年06期

4 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

5 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(自然科學(xué)版);2009年01期

6 鄒心遙;姚若河;;基于LSSVM的威布爾分布形狀參數(shù)估計(英文)[J];半導(dǎo)體技術(shù);2008年06期

7 鄒心遙;姚若河;;基于LSSVM的小子樣元器件壽命預(yù)測[J];半導(dǎo)體技術(shù);2011年09期

8 李卓遠(yuǎn),吳為民,王e，

本文編號：739359