融合延迟变换和张量分解的金融时序预测算法

金融时序预测可以为从业人员提供行业变化趋势信息。采用多路延迟嵌入变换将时间序列转化为低秩块Hankel张量,利用Tucker分解将高阶张量投影到压缩核心张量中,对核心张量使用季节性差分自回归滑动平均算法实现对未来的预测。在4个公共数据集上验证了该算法与经典的XGBoost、VAR、SARIMA等算法相比具有更好的计算精度和更少的计算成本。