本文選題：多分辨率分析 + 神經(jīng)網(wǎng)絡(luò)��； 參考：《數(shù)學(xué)的實踐與認識》2014年13期

【摘要】：采用多分辨率分析技術(shù)將深證成指收盤數(shù)據(jù)序列分解為多個子序列,然后采用神經(jīng)網(wǎng)絡(luò)技術(shù)對每個子序列分別建立預(yù)測模型,將各個預(yù)測結(jié)果疊加后得到最終預(yù)測結(jié)果.研究首先發(fā)現(xiàn)多分辨率技術(shù)可以有效提高預(yù)測模型的預(yù)測精度,表明分析我國股市波動時應(yīng)該按照不同因素對股市影響大小及周期的差異分別研究,才能更有效分析股市運行狀況及對其預(yù)測;其次結(jié)果表明不同類型神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測性能差異明顯,在選擇股市預(yù)測模型的神經(jīng)網(wǎng)絡(luò)類型時應(yīng)該注意其學(xué)習(xí)算法及收斂過程,以便能更好捕獲股市變化規(guī)律.
[Abstract]:The closing data sequence of Shenzhen stock index is decomposed into multiple sub-sequences by using multi-resolution analysis technology, and then neural network technology is used to establish the prediction model for each sub-sequence, and the final prediction results are obtained by superposing each prediction result. It is found that multi-resolution technology can effectively improve the prediction accuracy of the prediction model, which indicates that the analysis of stock market volatility in China should be based on the different factors of the impact on the stock market size and cycle. Secondly, the results show that the forecasting performance of different types of neural network forecasting models is very different. We should pay attention to its learning algorithm and convergence process when selecting the neural network type of stock market prediction model so as to better capture the law of stock market change.
【作者單位】： 廣東藥學(xué)院醫(yī)藥商學(xué)院;
【分類號】：TP183;F832.51

【參考文獻】

相關(guān)期刊論文 前1條

1 馬野;劉文博;董小剛;王純杰;;基于小波分解的高頻金融時間序列預(yù)測[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年04期

【共引文獻】

相關(guān)期刊論文 前4條

1 楊錫運;孫翰墨;;基于時間序列模型的風(fēng)電場風(fēng)速預(yù)測研究[J];動力工程學(xué)報;2011年03期

2 劉少梅;董小剛;;改進的HHT高頻數(shù)據(jù)分析及其應(yīng)用[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2012年01期

3 劉遵雄;周天清;鄭淑娟;;FCBLUP模型在高頻金融數(shù)據(jù)中的應(yīng)用[J];計算機工程;2011年22期

4 馬盡文;青慈陽;;對角型廣義RBF神經(jīng)網(wǎng)絡(luò)與非線性時間序列預(yù)測[J];信號處理;2013年12期

相關(guān)會議論文 前1條

1 解國棟;黃今;楊建昌;李萍;;一種導(dǎo)彈飛行軌跡運動參數(shù)計算方法[A];2014第二屆中國指揮控制大會論文集（上）[C];2014年

相關(guān)博士學(xué)位論文 前2條

1 TRAN DUY VU NGOC LAN;基于神經(jīng)網(wǎng)絡(luò)模型的中國和越南上市商業(yè)銀行信用風(fēng)險評估研究[D];湖南大學(xué);2012年

2 魏國;二頻機抖激光陀螺雙軸旋轉(zhuǎn)慣性導(dǎo)航系統(tǒng)若干關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 孫翰墨;基于ARMA模型的風(fēng)電機組風(fēng)速預(yù)測研究[D];華北電力大學(xué)（北京）;2011年

2 唐紅軍;基于小波包去噪和GARCH模型的上證綜指波動性研究[D];湖南大學(xué);2010年

3 劉少梅;基于Hilbert-Huang變換的高頻數(shù)據(jù)分析[D];長春工業(yè)大學(xué);2012年

4 丁玲娟;基于小波分析和ARMA-SVM模型的股票指數(shù)預(yù)測分析[D];華東師范大學(xué);2012年

5 張娟娟;穩(wěn)健線性回歸中再生權(quán)最小二乘法的有效性研究[D];太原理工大學(xué);2013年

6 陳科軍;基于BP神經(jīng)網(wǎng)絡(luò)模型的上海螺紋鋼期貨價格預(yù)測[D];湖南大學(xué);2012年

7 李楊;基于神經(jīng)網(wǎng)絡(luò)的分類器設(shè)計及優(yōu)化[D];安徽農(nóng)業(yè)大學(xué);2013年

8 郝偉偉;基于小波理論的人民幣匯率多尺度分析[D];華東交通大學(xué);2013年

9 程文曉;我國大豆期貨價格的預(yù)測分析[D];蘭州大學(xué);2014年

10 劉一鳴;金融時間序列預(yù)測模型研究[D];蘭州大學(xué);2014年

【二級參考文獻】

相關(guān)期刊論文 前2條

1 滕飛;董小剛;;基于Hilbert-Huang變換的金融數(shù)據(jù)周期性分析及應(yīng)用[J];長春工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2008年03期

2 高靜;張世英;;高頻時間序列基于小波分析的預(yù)測[J];統(tǒng)計與決策;2006年17期

【相似文獻】

相關(guān)期刊論文 前10條

1 駱珊;徐勝榮;;基于多分辨率直方圖的圖像檢索[J];江南大學(xué)學(xué)報(自然科學(xué)版);2007年01期

2 唐斌;董緒榮;;小波多分辨率分析及其在自適應(yīng)消噪中的應(yīng)用[J];裝備指揮技術(shù)學(xué)院學(xué)報;2007年01期

3 楊艷妮;;小波多分辨率分析在信號去噪中的應(yīng)用[J];熱帶農(nóng)業(yè)工程;2009年01期

4 伍金莉;劉杰;;基于多分辨率分析的心率變異性分析[J];中國醫(yī)學(xué)物理學(xué)雜志;2010年01期

5 王輝,肖建;基于多分辨率分析的T-S模糊系統(tǒng)[J];控制理論與應(yīng)用;2005年02期

6 萬彥輝,秦永元;小波分析在陀螺信號濾波中的研究[J];壓電與聲光;2005年04期

7 胡之惠;;基于小波包分析的指紋圖像初濾波[J];上海電機學(xué)院學(xué)報;2005年05期

8 胡之惠;;基于小波包分析的指紋圖像初濾波[J];上海電機學(xué)院學(xué)報;2005年S1期

9 樊亞軍;;基于梯度銳化和小波變換的圖像邊緣檢測[J];裝備制造技術(shù);2007年08期

10 王斯剛;邊根慶;屈學(xué)民;楊繼慶;;基于小波不可分離多分辨率的圖像重建[J];計算機技術(shù)與發(fā)展;2008年07期

相關(guān)會議論文 前10條

1 賈煥玉;劉s，

本文編號：1953205