共查询到20条相似文献,搜索用时 15 毫秒
1.
梅杰 《金融经济(湖南)》2013,(12):155-156
本文通过实证分析,说明金融时间序列建模前降噪预处理的必要性,更进一步地,运用多尺度阈值方法对金融时间序列去噪,再用传统时间序列预测方法ARIMA(p,d,q)模型对降噪后的数据进行预测。通过与小波阈值去噪预测模型的比较,得出多尺度阈值去噪预测效果更加理想。 相似文献
2.
王荡洋 《中国农业银行武汉培训学院学报》2010,(4):9-13
汇率的预测研究一直是国际金融领域研究的一个热点。混沌时间序列的建模与预测的关键是相空间重构和非线性函数逼近,基于汇率时间序列存在混沌特征的特点,利用相空间重构技术对汇率时间序列进行重构,然后利用支持向量机作为非线性函数逼近,构建了一种基于支持向量机回归(SVR)的汇率预测模型。采用美元兑人民币的日汇率进行实证研究,结果表明,所构建的SVR模型能较好的反映汇率的变化趋势,预测精度较高。 相似文献
3.
本文采用美元对日元汇率白1973年起的日数据进行研究.首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统.在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果.经过检验,该预测系统达到了较高精度.最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考. 相似文献
4.
本文采用美元对日元汇率自1973年起的日数据进行研究。首先,本文基于交易者异质假设构造了外汇市场模型,并在此基础上选择影响汇率变动的解释变量;然后,利用基于遗传算法的神经网络构建基于此模型的汇率预测系统。在神经网络的训练过程中,利用小波分析对训练样本进行了去噪,提高了训练效果。经过检验,该预测系统达到了较高精度。最后,通过对该系统进行仿真模拟,对汇率理论提出一些个人思考。 相似文献
5.
本文提出基于小波分析与神经网络时间序列的股票预测方法,把股票每日最高价、最低价以及开盘价进行小波去噪处理,然后把去噪后的数据利用BP(Back Propagation)神经网络进行预测分析,实验的结果表明利用处理后的数据进行分析比传统的直接使用神经网络进行分析的精准度更高,预测的效果更好。 相似文献
6.
7.
考虑到金融时间序列中噪声的干扰,有必要在金融建模研究中做适当的去噪处理。不同于传统的小波阈值去噪,本文应用改进的多尺度阈值技术对人民币/美元汇率序列进行去噪处理,并基于不同误差分布情况下综合分析,确定ARMA(1,1)-GARCH(1,1)-T为最佳拟合模型,最终给出预测效果,证实了应用新的多尺度阈值方法去噪后的汇率模型预测精度较高。 相似文献
8.
9.
基于信息粒化和支持向量机的股票价格预测 总被引:1,自引:0,他引:1
信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明:该方法能有效地预测股票价格的变化范围。 相似文献
10.
本文用VAR(向量自回归)模型、格兰杰检验在时间序列研究的基础上研究人民币现货汇率和人民币NDF(无本金交割远期)价格之间的联系。我们用3个月人民币对美元NDF日收盘价格和人民币对美元汇率日中间价作为我们的数据进行研究,结果表明,这两者之间存在谐振关系,NDF市场对汇率现货市场存在影响。 相似文献
11.
利率期限结构一直是量化研究领域的重点课题,目前国内关于利率期限结构拟合的研究较多,而对利率期限结构的预测则研究较少,关于利用支持向量机的方法预测利率期限结构的研究更是屈指可数,本文利用支持向量机对国债的即期利率进行了拟合和预测,并与普通的时间序列线性模型对比,发现支持向量机的拟合和预测效果均好于自回归模型。 相似文献
12.
13.
14.
上市证券公司的风险预警模型能够为政府监管、证券公司稳健发展以及投资者研判提供依据。以上市证券公司风险管理指标体系为基础,利用贝叶斯网络方法以及支持向量机、随机森林和多项Logit模型分别建立风险预警模型进行比较,并在实证中针对上市证券公司的不平衡数据特征,用 SMOTE抽样对数据进行预处理。最终实证表明:从平均准确率和标准差两个角度比较,SOMTE抽样增加了贝叶斯网络的预测效果,机器学习方法要优于多项Logit模型,贝叶斯网络方法效果最佳。 相似文献
15.
16.
本文在分析支持向量机原理后提出了运用网格搜索法选择最佳核函数、模型参数法构建支持向量机模型.笔者以宁夏辖区2020年央行内部(企业)评级数据为样本,通过指标相关性分析、构建F统计量筛选出信息贡献度高的定量评级指标,并利用线性核函数、高斯核函数、多项式核函数分别对宁夏辖区2020年央行内部(企业)评级数据进行建模分析.研究结果表明基于网格搜索法选择支持向量机的方法可以准确预测央行内部(企业)评级结果,同时,利用支持向量机对剔除行业相关特定定量指标后的公共定量指标做建模分析,发现在有限维度定量指标数据无法对评级结果作出准确预测时,可通过将高斯核函数映射到高维空间来作出相对比较准确的分类预测. 相似文献
17.
18.
股票预测是一种非线性、不确定的时间序列问题,传统方法很难对其进行准确预测.本文分析了支持向量机(SVM)在股票预测中应用的可行性.并通过邯郸钢铁股票数据对该方法进行了检验,结果显示,支持向量机具有较强的泛化能力. 相似文献
19.