摘要
由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。
出处
《统计与决策》
CSSCI
北大核心
2011年第2期159-162,共4页
Statistics & Decision
基金
教育部人文社会科学研究项目(09YJA630036)
