摘要
文章针对ARCH模型参数传统估计方法的不足,提出了利用量子粒子群算法的改进算法,并利用此算法实证建立了美国证券市场道琼斯指数收益的ARCH模型,更加精确地动态度量了证券市场收益序列的条件“异方差”,进行了指数走势预测。
In this paper,quantum-behaved particle swarm optimization algorithm is developed for some serious disadvantages of traditional estimating methods of ARCH,and the ARCH model for Dow-Jones average stock return are established empirically,finally forecast of the return is given,
出处
《计算机工程与应用》
CSCD
北大核心
2006年第9期190-192,共3页
Computer Engineering and Applications
基金
国家自然科学基金资助项目(编号:60474030)
