陕西科技大学学报（自然科学版）
陝西科技大學學報（自然科學版）
협서과기대학학보（자연과학판）
JOURNAL OF SHAANXI UNIVERSITY OF SCIENCE & TECHNOLOGY
2012年
2期
122-125,139
,共5页
刘常明%张德生%李金凤%任世远
劉常明%張德生%李金鳳%任世遠
류상명%장덕생%리금봉%임세원
奇异值分解%BP神经网络%ARMA-GARCH模型
奇異值分解%BP神經網絡%ARMA-GARCH模型
기이치분해%BP신경망락%ARMA-GARCH모형
股票指数时间序列具有非平稳和高噪声等特点,在进行股票指数预测时,由于噪声的影响,单一模型的预测精度往往不高.作者建立了基于奇异值分解(SVD)的BP神经网络和ARMA GARCH组合预测模型,该模型将原序列分解为趋势部分和噪声部分,分别进行研究.实证研究结果表明:该模型的拟合、预测精度较高.
股票指數時間序列具有非平穩和高譟聲等特點,在進行股票指數預測時,由于譟聲的影響,單一模型的預測精度往往不高.作者建立瞭基于奇異值分解(SVD)的BP神經網絡和ARMA GARCH組閤預測模型,該模型將原序列分解為趨勢部分和譟聲部分,分彆進行研究.實證研究結果錶明:該模型的擬閤、預測精度較高.
고표지수시간서렬구유비평은화고조성등특점,재진행고표지수예측시,유우조성적영향,단일모형적예측정도왕왕불고.작자건립료기우기이치분해(SVD)적BP신경망락화ARMA GARCH조합예측모형,해모형장원서렬분해위추세부분화조성부분,분별진행연구.실증연구결과표명:해모형적의합、예측정도교고.
