数学的实践与认识
數學的實踐與認識
수학적실천여인식
MATHEMATICS IN PRACTICE AND THEORY
2012年
11期
58-68
,共11页
奇异普分析%相空间重构%神经网络集成%非参数回归
奇異普分析%相空間重構%神經網絡集成%非參數迴歸
기이보분석%상공간중구%신경망락집성%비삼수회귀
股票时间序列预测在经济和管理领域具有重要的应用前景,也是很多商业和金融机构成功的基础.首先利用奇异谱分析对股市时间序列重构,降低噪声并提取趋势序列.再利用C-C算法确定股市时间序列的嵌入维数和延迟阶数,对股市时间序列进行相空间重构,生成神经网络的学习矩阵.进一步利用Boosting技术和不同的神经网络模型,生成神经网络集成个体.最后采用带有惩罚项的半参数回归模型进行集成,并利用遗传算法选择最优的光滑参数,以此建立遗传算法和半参数回归的神经网络集成股市预测模型.通过上证指数开盘价进行实例分析,与传统的时间序列分析和其他集成方法对比,发现该方法能获得更准确的预测结果.计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效方法.
股票時間序列預測在經濟和管理領域具有重要的應用前景,也是很多商業和金融機構成功的基礎.首先利用奇異譜分析對股市時間序列重構,降低譟聲併提取趨勢序列.再利用C-C算法確定股市時間序列的嵌入維數和延遲階數,對股市時間序列進行相空間重構,生成神經網絡的學習矩陣.進一步利用Boosting技術和不同的神經網絡模型,生成神經網絡集成箇體.最後採用帶有懲罰項的半參數迴歸模型進行集成,併利用遺傳算法選擇最優的光滑參數,以此建立遺傳算法和半參數迴歸的神經網絡集成股市預測模型.通過上證指數開盤價進行實例分析,與傳統的時間序列分析和其他集成方法對比,髮現該方法能穫得更準確的預測結果.計算結果錶明該方法能充分反映股票價格時間序列趨勢,為金融時間序列預測提供一箇有效方法.
고표시간서렬예측재경제화관리영역구유중요적응용전경,야시흔다상업화금융궤구성공적기출.수선이용기이보분석대고시시간서렬중구,강저조성병제취추세서렬.재이용C-C산법학정고시시간서렬적감입유수화연지계수,대고시시간서렬진행상공간중구,생성신경망락적학습구진.진일보이용Boosting기술화불동적신경망락모형,생성신경망락집성개체.최후채용대유징벌항적반삼수회귀모형진행집성,병이용유전산법선택최우적광활삼수,이차건립유전산법화반삼수회귀적신경망락집성고시예측모형.통과상증지수개반개진행실례분석,여전통적시간서렬분석화기타집성방법대비,발현해방법능획득경준학적예측결과.계산결과표명해방법능충분반영고표개격시간서렬추세,위금융시간서렬예측제공일개유효방법.
