隨著社會的進步,每天都有大量的數(shù)據(jù)產(chǎn)生,如何從大量的數(shù)據(jù)中找出重要信息變得尤為重要。時間序列是按時間先后順序排列的變量,在日常生活中,隨處都可以找到各種各樣的觀察值序列。通過對觀察值序列的分析研究,可以找到其發(fā)展規(guī)律,通過提取其中的信息來預(yù)測其未來走勢,這就是時間序列分析。時間序列分為平穩(wěn)時間序列和非平穩(wěn)時間序列,根據(jù)不同類型的時間序列,可以選擇合適的模型進行擬合預(yù)測。對于平穩(wěn)時間序列,通常采用自回歸移動平均模型進行擬合,對于非平穩(wěn)時間序列,通常采用求和自回歸移動平均模型、殘差自回歸模型、條件異方差模型或廣義條件異方差模型進行擬合預(yù)測。人工神經(jīng)網(wǎng)絡(luò)是模仿人類大腦內(nèi)部神經(jīng)元網(wǎng)絡(luò)結(jié)構(gòu)和功能的仿生學(xué)科,現(xiàn)今發(fā)展迅速,由于其具有非線性映射功能、分類識別功能、聯(lián)想記憶功能、優(yōu)化計算功能、知識處理功能等,廣泛應(yīng)用于信息處理、模式識別、醫(yī)學(xué)專家系統(tǒng)、市場價格預(yù)測、風(fēng)險評估等方面�，F(xiàn)如今,對于時間序列分析模型的參數(shù)估計,普遍采用最小二乘法、極大似然估計法、矩估計法等傳統(tǒng)參數(shù)估計方法。但運用人工神經(jīng)網(wǎng)絡(luò)對時間序列分析模型進行參數(shù)估計的研究較少。鑒于人工神經(jīng)網(wǎng)絡(luò)的諸多優(yōu)點,本文建立了ARMA模型和GARC...

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 前言
    1.1 研究背景
        1.1.1 時間序列分析發(fā)展史
        1.1.2 人工神經(jīng)網(wǎng)絡(luò)發(fā)展史
    1.2 選題意義
2 時間序列分析與人工神經(jīng)網(wǎng)絡(luò)
    2.1 時間序列分析
    2.2 時間序列分析準備
    2.3 平穩(wěn)時間序列分析
    2.4 非平穩(wěn)時間序列分析
    2.5 傳統(tǒng)參數(shù)估計方法
    2.6 人工神經(jīng)網(wǎng)絡(luò)簡介
    2.7 人工神經(jīng)網(wǎng)絡(luò)模型
3 神經(jīng)網(wǎng)絡(luò)估計時間序列模型參數(shù)
    3.1 ARMA(p,q)模型參數(shù)估計的BP神經(jīng)網(wǎng)絡(luò)方法
    3.2 GARCH(p,q)模型參數(shù)估計的BP神經(jīng)網(wǎng)絡(luò)方法
    3.3 ARMA/GARCH模型參數(shù)估計的BP神經(jīng)網(wǎng)絡(luò)方法優(yōu)化
4 應(yīng)用實例
    4.1 平穩(wěn)時間序列應(yīng)用實例
        4.1.1 北京市報紙出版總印數(shù)時間序列
        4.1.2 澳大利亞季度常住人口時間序列
    4.2 非平穩(wěn)時間序列應(yīng)用實例
        4.2.1 北京市城鎮(zhèn)單位在崗職工人數(shù)時間序列
5 總結(jié)
    5.1 結(jié)論
    5.2 本文亮點
    5.3 不足與改進思路
致謝
參考文獻
附錄



本文編號：3864774