金融时间序列预测模型——基于离散小波分解与支持向量回归的研究
被引量:8
摘要
建本研究结合小波转换与支持向量回归,提出一个二阶段时间序列预测模型。先以离散小波分解与重组对金融时间序列数据进行预处理,再以SVR建立预测模型。
出处
《统计与决策》
CSSCI
北大核心
2007年第14期4-7,共4页
Statistics & Decision
参考文献11
-
1Cherkassky, V. and Y. Ma. Practical selection of SVM Parameters and Noise Estimation for SVM Regression [J]. Neural Networks, 2004,17 : 113-126.
-
2Cherkassky, V. and F. Mulier. Vapnik-Chervonenkis (VC) Learning Theory and Its Applications[J]. IEEE Transactions on Neural Networks,1999,10:985-987.
-
3Drucker, H., C. J. C. Burges, L. Kaufman, A. Smola, and V. N. Vapnik. Support Vector Regression Machines [J]. Advances in Neural Information Processing Systems,1997,9:155-161.
-
4Hsu, C. W., C. C. Lin, and C. J. Lin.A Practical Guide to Support Classification[DB/OL] Available from: http://www.csie.ntu.edu.tw/~cjlin/papers/guide/guide.pdf,2003.
-
5Lee, T. S. and N. J. Chen. Investigating the Information Content of Non-cash-trading Index Futures Using Neural Networks [J]. Expert Systems with Applications, 2002,22:225-234.
-
6Lee, T. S., N. J. Chen, and C. C. Chiu. Forecasting the Opening Cash Price Index Using Grey Forecasting and Neural Networks: Evidence from the SGX-DT MSCI Taiwan Index Futures Contracts[M]. Wang, P and Chen, S. S. (Eds), Computational Intelligence in Economics and Finance, Springer, 2003:151-170.
-
7Vapnik, V.. The Nature of Statistical Learning Theory (2nded.) [M]. Berlin:Springer,1999.
-
8Vapnik, V. N., S. Golowich, and A. J. Smola. Support Vector Method for Function Approximation, Regression Estimation, and Signal Processing [J]. Advances in Neural Information Processing Systems,1997,9:281-287.
-
9Wang, C. Z. and S. X. Wang. Supporting Content-based Searches on Time Series Via Approximation [C]. Proceedings of 12th International Conference on Scientific and Statistical Database Management, 2000:69-81.
-
10Yang, Y. and X. Liu. A Re-examination of Text Categorization Methods[C]. ACM International Conference on Research and Development in Information Retrieval,1999,22: 42-49.
二级参考文献6
-
1陈守东,孟庆顺,杨兴武.中国股票市场的有效性检验与分析[J].吉林大学社会科学学报,1998,38(2):69-74. 被引量:15
-
2徐梅,张世英.基于小波分析的金融波动分析[J].系统工程理论与实践,2005,25(2):1-9. 被引量:44
-
3徐梅,张世英.基于小波变换的长记忆随机波动模型估计方法研究[J].中国管理科学,2006,14(1):7-14. 被引量:10
-
4朱宏泉,卢祖帝,汪寿阳.中国股市的Granger因果关系分析[J].管理科学学报,2001,4(5):7-12. 被引量:67
-
5常松,何建敏.基于小波包和神经网络的股票价格预测模型[J].中国管理科学,2001,9(5):8-15. 被引量:28
-
6刘金全,崔畅.中国沪深股市收益率和波动性的实证分析[J].经济学(季刊),2002,1(4):885-898. 被引量:121
共引文献13
-
1邵良杉,刘飞飞.基于小波理论的Web挖掘模型研究[J].计算机系统应用,2008,17(4):19-22.
-
2张冬青,韩玉兵,宁宣熙,刘雪妮.基于小波域隐马尔可夫模型的时间序列分析-平滑、插值和预测[J].中国管理科学,2008,16(2):122-127. 被引量:10
-
3丁志宏,谢国权.金融时间序列多分辨率实证研究的EMD方法[J].经济研究导刊,2009(6):61-63. 被引量:8
-
4余宇新,杨大楷.股权分置改革对沪港市场联动性影响的研究——基于小波多分辨率的分析[J].统计与信息论坛,2009,24(6):33-38. 被引量:6
-
5张成虎,赵小虎.基于小波分析的可疑金融交易时间序列研究[J].现代管理科学,2009(7):102-104. 被引量:5
-
6曹跃群,杨婷,刘源超,周加斌.农民收入增长波动关系预测分析:基于小波变换[J].数理统计与管理,2009,28(4):611-617. 被引量:7
-
7吴礼斌,崔岩岩.基于小波方差分解的沪深综指序列的特性分析[J].统计与决策,2010,26(23):138-140. 被引量:2
-
8余宇新,余宇莹,傅方兴.股改后美股对沪市溢出效应变化的实证研究[J].经济经纬,2011,28(4):150-154. 被引量:1
-
9刘文博,辛双,丁丹.基于小波方差的沪深两市的收益率波动性分析[J].吉林建筑工程学院学报,2012,29(4):87-90. 被引量:1
-
10顾鹏,张杰斌.基于高频数据的动力煤与焦煤价格联动效应研究[J].生产力研究,2015(8):55-66. 被引量:1
同被引文献89
-
1张宗成,王骏.基于VAR模型的硬麦期货价格发现研究[J].华中科技大学学报(自然科学版),2005,33(7):103-106. 被引量:35
-
2高辉.中国上海燃料油期货定价模型研究[J].石油化工技术经济,2006,22(1):14-21. 被引量:5
-
3覃思乾.股价预测的GM(1,1)模型[J].统计与决策,2006,22(6):22-23. 被引量:6
-
4谭庆美,吴金克.纽约原油期货市场分形特征的R/S分析[J].甘肃科学学报,2006,18(2):118-122. 被引量:1
-
5刘永新,宋学锋.期货价格波动分析的弹性系统模型[J].经济经纬,2006,23(4):151-154. 被引量:1
-
6徐鹏.我国期货铝价格波动与成交量和持仓量动态关系的实证分析[J].世界经济情况,2006(13):22-25. 被引量:2
-
7董辉,傅鹤林,冷伍明.支持向量机的时间序列回归与预测[J].系统仿真学报,2006,18(7):1785-1788. 被引量:63
-
8郭辉,刘贺平,王玲.最小二乘支持向量机参数选择方法及其应用研究[J].系统仿真学报,2006,18(7):2033-2036. 被引量:103
-
9刘轶芳,迟国泰,余方平,孙韶红,王玉刚.基于GARCH-EWMA的期货价格预测模型[J].哈尔滨工业大学学报,2006,38(9):1572-1575. 被引量:24
-
10萧楠.ARMA-GARCH模型对上海铜期货市场收益率的建模与分析[J].运筹与管理,2006,15(5):128-132. 被引量:12
引证文献8
-
1王方,王倩,童行伟,宋俊峰.郑州期货糖08年9月合约价格的分析与预测[J].数理统计与管理,2010,29(2):205-217. 被引量:1
-
2夏秀峰,王娜,李晓明.Web病毒式营销核心群体推荐效力预测模型[J].小型微型计算机系统,2014,35(2):244-248.
-
3陈鹏杰,李天增.运用小波分析挖掘金融市场中的风险与机会[J].乐山师范学院学报,2015,30(4):55-58. 被引量:1
-
4李昌良,江燕,王殿君,韩继光.组合核RVM在CPI预测中的应用研究[J].重庆理工大学学报(社会科学),2016,30(5):48-52.
-
5严骏宏.基于离散小波分解和支持向量机的股指组合预测[J].统计与决策,2017,33(3):168-171. 被引量:9
-
6杭品厚.软计算技术在金融预测应用进展研究[J].金融理论与实践,2018(5):101-108. 被引量:1
-
7王国俊.基于PSO优化LSSVM的股价时间序列预测[J].科技和产业,2017,17(10):132-137. 被引量:1
-
8韩金磊,熊萍萍,孙继红.基于LSTM和灰色模型的股价时间序列预测研究[J].南京信息工程大学学报(自然科学版),2023,15(6):631-642. 被引量:4
二级引证文献17
-
1曹晶,李博.线性与非线性单方程时间序列建模在黄金现货价格预测分析中的实证研究——基于ARMA模型及GARCH模型族[J].商场现代化,2010(26):182-184. 被引量:6
-
2张凯,任维平,张仰森,尤建清.基于股民评论信息的股票预测方法研究[J].北京信息科技大学学报(自然科学版),2017,32(5):67-71. 被引量:1
-
3陈海兰,高学东.基于波动特征的时间序列相似性度量及聚类分析[J].统计与决策,2019,0(11):17-22. 被引量:9
-
4李佳,黄之豪,陈冬兰.基于LSTM等深度学习方法的股指预测研究[J].软件导刊,2019,18(9):17-21. 被引量:5
-
5张冰,王传美,贺素香.改进的TSVR模型在股市高频数据上的预测[J].计算机工程与设计,2019,40(11):3241-3246. 被引量:7
-
6顿世祥.数字惠普金融的机会与风险[J].财经界,2019,0(32):3-3. 被引量:2
-
7李鹏飞,王青青,毋建宏,樊怡彤.基于灰狼优化算法的最小二乘支持向量机红枣产量预测研究[J].安徽农业科学,2020,48(6):218-222. 被引量:5
-
8曲传菊,杨皎平.基于小波去噪和协整理论的股指期货高频数据跨期择时套利策略[J].西南师范大学学报(自然科学版),2020,45(3):73-79. 被引量:2
-
9谭章禄,袁慧.时间序列预处理与信息噪声之间的关系研究——基于离散小波变换和ARIMA模型[J].数学的实践与认识,2020,50(15):30-42. 被引量:9
-
10周耀鉴,袁晨迅.基于分解-组合的预测模型在金融时间序列上的应用[J].电子技术与软件工程,2021(14):135-137.
-
1戴稳胜,吕奇杰,徐曼文.股指期货信息内含股价变动信息的挖掘--小波框架与支持向量回归的金融建模应用[J].统计研究,2008,25(2):78-83. 被引量:5
-
2杨玮龙,杨琦龙.基于支持向量回归的供应链管理绩效评价研究[J].价值工程,2006,25(9):44-47. 被引量:1
-
3赵莉,姚立根.企业核心竞争力的构建[J].经济导刊,2010(5):84-85. 被引量:2
-
4白旻.金融时间序列数据预测方法探析[J].商业时代,2012(21):80-81. 被引量:2
-
5刘星,张汉荣.股价预测的基本分析方法[J].国内外经济管理,1992(11):23-24. 被引量:1
-
6刘丛丛.模拟股价路径的创新研究[J].现代经济信息,2015(17).
-
7何周林,肖健华.基于SVR的区域物流需求短期智能预测模型研究[J].五邑大学学报(自然科学版),2007,21(2):70-75. 被引量:4
-
8王晓军,蔡正高.死亡率预测模型的新进展[J].统计研究,2008,25(9):80-84. 被引量:29
-
9杨成,程晓玲,殷旅江.基于人工神经网络方法的上市公司股价预测[J].统计与决策,2005,21(12X):106-108. 被引量:12
-
10许兴军,颜钢锋.基于BP神经网络的股价趋势分析[J].浙江金融,2011(11):57-59. 被引量:38