期刊文献+
共找到75篇文章
< 1 2 4 >
每页显示 20 50 100
金融时间序列的自适应贝叶斯在线变点检测
1
作者 朱映秋 郑畅 张波 《统计研究》 北大核心 2025年第1期145-160,共16页
快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在... 快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在线变点检测仍是一个巨大的挑战。对此,本文基于贝叶斯在线变点检测的框架,提出一种带有滑动窗口的自适应在线变点检测方法。通过滑动窗口的平滑机制,该方法在每个窗口中对变点检测所需的超参数进行实时动态更新,以适应数据环境的动态变化。在模拟数据和上证综指时序数据的实验结果表明,本文提出的方法能够在已有的贝叶斯在线变点检测方法基础上进一步提高识别效果,及时发现变点并避免将正常的序列波动误报为变点。基于上证综指数据,本文方法能够发现带有特殊信号的时间序列,进而为金融市场的风险预警、投资指导等提供有价值的参考。 展开更多
关键词 在线变点检测 金融时间序列 贝叶斯变点检测 自适应变点检测
在线阅读 下载PDF
基于SVR的金融时间序列预测 被引量:12
2
作者 李立辉 田翔 +1 位作者 杨海东 胡月明 《计算机工程与应用》 CSCD 北大核心 2005年第30期221-224,共4页
介绍了支持向量回归的建模原理及常用版本,详细探讨了利用支持向量回归方法建立金融时间序列预测模型,进行单步预测和多步预测的步骤。将它们应用到我国上证180指数预测中,并且比较了它们的预测性能。数值实验表明,SVR方法对非平稳的金... 介绍了支持向量回归的建模原理及常用版本,详细探讨了利用支持向量回归方法建立金融时间序列预测模型,进行单步预测和多步预测的步骤。将它们应用到我国上证180指数预测中,并且比较了它们的预测性能。数值实验表明,SVR方法对非平稳的金融时间序列具有良好的建模和泛化能力。特别是LS-SVR用等式约束代替传统支持向量机中不等式约束,使求解过程从解QP问题变成解一组等式方程,因此学习速度更快,并具有更好的预测效果。 展开更多
关键词 人工智能 预测模型 支持向量回归 金融时间序列 非线性建模
在线阅读 下载PDF
金融时间序列模糊边界预测研究 被引量:8
3
作者 桂斌 黄立冬 +1 位作者 周杰 杨小平 《小型微型计算机系统》 CSCD 北大核心 2012年第10期2283-2286,共4页
传统的金融时间序列预测方法以精确的输入数据为研究对象,在建立回归模型的基础上做单步或多步预测,预测结果是一个或多个具体的值.由于金融市场的复杂性,传统的预测方法可靠度较低.提出将金融时间序列模糊信息粒化成一个模糊粒子序列,... 传统的金融时间序列预测方法以精确的输入数据为研究对象,在建立回归模型的基础上做单步或多步预测,预测结果是一个或多个具体的值.由于金融市场的复杂性,传统的预测方法可靠度较低.提出将金融时间序列模糊信息粒化成一个模糊粒子序列,运用支持向量机对模糊粒子的上下界进行回归,然后应用回归所得到的模型分别对上下界进行单步预测,从而将预测的结果限定在一个范围之内.这是一种全新的思路.以上证指数周收盘指数为实验数据,实验结果表明了这种方法的有效性. 展开更多
关键词 信息粒化 支持向量机 回归 金融时间序列
在线阅读 下载PDF
向量金融时间序列协整与协同持续关系——基于理论的思考 被引量:9
4
作者 江孝感 王利 朱涛 《管理工程学报》 CSSCI 2008年第1期78-81,共4页
本文在协整和协同持续基本理论的基础上,继续考虑金融时间序列协整与协同持续的关系,在揭示时间序列内部稳定关系的研究上作一些新的尝试。提出具有波动持续性的向量金融时间序列,若各分量均为一阶单整且各分量间存在线性协整关系,则其... 本文在协整和协同持续基本理论的基础上,继续考虑金融时间序列协整与协同持续的关系,在揭示时间序列内部稳定关系的研究上作一些新的尝试。提出具有波动持续性的向量金融时间序列,若各分量均为一阶单整且各分量间存在线性协整关系,则其一定存在线性协同持续关系,并且协同持续向量即为协整向量。从而揭示了协整与协同持续之间的数量经济关系,加深了我们对许多金融时间序列非平稳性和波动随时间变化这两个基本性质的理解。同时这一研究也展示了金融时间序列一阶矩和二阶矩之间的内在联系,有利于深刻理解向量金融时间序列在各阶矩意义上的内在均衡关系。 展开更多
关键词 向量金融时间序列 协整 波动持续性 协同持续性
在线阅读 下载PDF
支持向量机在金融时间序列预测中的应用 被引量:12
5
作者 吴萌 徐全智 《电子科技大学学报》 EI CAS CSCD 北大核心 2007年第S1期442-444,共3页
阐述了支持向量机在金融时间序列预测中应用中的理论基础.将支持向量机预测模型应用于上证指数的建模和预测中,并与BP神经网络模型进行了比较.最后得出支持向量机由于采用了新型的结构风险最小化准则表现出良好的推广能力,具有较高的精... 阐述了支持向量机在金融时间序列预测中应用中的理论基础.将支持向量机预测模型应用于上证指数的建模和预测中,并与BP神经网络模型进行了比较.最后得出支持向量机由于采用了新型的结构风险最小化准则表现出良好的推广能力,具有较高的精度,在金融时间序列的预测上要优于BP神经网络模型. 展开更多
关键词 BP神经网络 金融时间序列 预测 支持向量机
在线阅读 下载PDF
基于混合核支持向量机的金融时间序列分析 被引量:10
6
作者 张拥华 曾凡仔 《计算机工程与应用》 CSCD 北大核心 2008年第19期220-222,共3页
核函数是支持向量机(SVM)的重要部分,它直接影响到SVM的各项性能。当前SVM在金融时间序列分析中,基本上采用高斯径向核函数(RBF),其次才是多项式核函数。然而,每种核函数都有它的优势和不足,整合两个或多个核函数对于学习能力和泛化能... 核函数是支持向量机(SVM)的重要部分,它直接影响到SVM的各项性能。当前SVM在金融时间序列分析中,基本上采用高斯径向核函数(RBF),其次才是多项式核函数。然而,每种核函数都有它的优势和不足,整合两个或多个核函数对于学习能力和泛化能力的提高是一个有效的途径。采用高斯径向核函数与多项式核函数的混合核函数运用于金融时间序列预测中,且与其单个核函数的支持向量机的实验结果进行了比较。结果表明,混合核函数具有更好的性能。 展开更多
关键词 支持向量机 金融时间序列 混合核函数
在线阅读 下载PDF
融合分解集成和深度学习的金融时间序列预测模型 被引量:4
7
作者 江雨燕 邵金 +1 位作者 陈梦凯 王付宇 《统计与决策》 CSSCI 北大核心 2023年第24期152-156,共5页
由于金融时间序列具有高度非线性、不稳定性等特点,单一预测模型的预测精度受限。文章将集成经验模态分解(EEMD)技术和长短期记忆网络(LSTM)相结合,同时融入麻雀搜索算法(SSA)优化神经网络参数,构建了EEMD-SSA-LSTM混合预测模型。首先... 由于金融时间序列具有高度非线性、不稳定性等特点,单一预测模型的预测精度受限。文章将集成经验模态分解(EEMD)技术和长短期记忆网络(LSTM)相结合,同时融入麻雀搜索算法(SSA)优化神经网络参数,构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解,其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测,最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析,结果表明,所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681,具有更高的预测精度与适用性。 展开更多
关键词 金融时间序列 预测 LSTM 麻雀搜索算法
在线阅读 下载PDF
MATLAB在金融时间序列分析及建模中的应用 被引量:6
8
作者 李兴绪 崔建福 《计算机工程与科学》 CSCD 2004年第7期100-104,共5页
MATLAB是优秀的数学计算工具 ,本文阐述并举例说明如何利用MATLAB来对金融时间序列进行分析及建模。
关键词 金融市场 金融时间序列分析 建模 MATLAB 数学计算工具
在线阅读 下载PDF
基于加权支持向量机的金融时间序列预测 被引量:4
9
作者 吴江 李太勇 《商业研究》 CSSCI 北大核心 2010年第1期138-140,共3页
金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研... 金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。 展开更多
关键词 商业领域 金融时间序列预测 支持向量机
在线阅读 下载PDF
高频金融时间序列的协同持续关系研究 被引量:2
10
作者 唐勇 张世英 张瑞锋 《系统工程学报》 CSCD 北大核心 2006年第5期455-462,共8页
对向量高频时间序列的“已实现”协方差阵提出相应的模型并建立了“已实现”向量自回归模型.应用Bollerslev和Engle提出的持续和协同持续概念,讨论了“已实现”向量自回归模型存在线性协同持续的充要条件和寻找这种线性协同持续向量的方... 对向量高频时间序列的“已实现”协方差阵提出相应的模型并建立了“已实现”向量自回归模型.应用Bollerslev和Engle提出的持续和协同持续概念,讨论了“已实现”向量自回归模型存在线性协同持续的充要条件和寻找这种线性协同持续向量的方法,在此基础上进行了实证分析,表明沪深两股市之间不存在线性协同持续关系.最后指出协同持续概念在动态组合投资、风险规避策略中的意义和作用. 展开更多
关键词 高频金融时间序列 协同持续 动态投资组合
在线阅读 下载PDF
基于分层阿基米德Copula的金融时间序列的相关性分析 被引量:5
11
作者 张连增 胡祥 《统计与信息论坛》 CSSCI 2014年第6期34-40,共7页
与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取... 与阿基米德copula相比,分层阿基米德copula(HAC)的结构更具一般性,而相比于椭圆型copula它的待估参数个数更少。用两阶段极大似然法来估计HAC函数,主要的步骤是先估计出每个分量的边际分布,以此为基础再估计copula函数。实证分析中,采取Clayton和Gumbel型的HAC分析四只股票价格序列之间的相关性。在得出HAC的结构和估计其参数之前,运用ARMA-GARCH过程消除了序列的自相关性和条件异方差。通过比较赤迟信息准则,认为完全嵌套的Gumbel型HAC能更好地刻画这种相关性。 展开更多
关键词 分层阿基米德copula 两阶段极大似然法 ARMA-GARCH过程 金融时间序列
在线阅读 下载PDF
基于Copula函数的金融时间序列模型述评 被引量:3
12
作者 张超锋 张莉敏 《统计与信息论坛》 CSSCI 2014年第4期3-9,共7页
结合当前Copula函数及其应用的热点问题,着重评述了基于Copula函数的金融时间序列模型的应用。鉴于利用Copula可以将边际分布和变量间的相依结构分开来研究这一优良性质,在设定和估计模型时便显得极为方便和灵活。从模型的构造、Copula... 结合当前Copula函数及其应用的热点问题,着重评述了基于Copula函数的金融时间序列模型的应用。鉴于利用Copula可以将边际分布和变量间的相依结构分开来研究这一优良性质,在设定和估计模型时便显得极为方便和灵活。从模型的构造、Copula函数的选择、模型的估计以及拟合优度检验等几方面展开阐述和评价,介绍了Copula模型在金融领域中的几类应用,并对Copula理论和应用的新视角进行了展望。 展开更多
关键词 COPULA函数 相依结构 金融时间序列
在线阅读 下载PDF
基于灰色-ARIMA的金融时间序列智能混合预测研究 被引量:10
13
作者 罗洪奔 《财经理论与实践》 CSSCI 北大核心 2014年第2期27-34,共8页
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIM... 提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA<107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。 展开更多
关键词 金融时间序列 灰色预测 ARIMA PSO 遗传算法
在线阅读 下载PDF
基于树结构长短期记忆神经网络的金融时间序列预测 被引量:10
14
作者 姚小强 侯志森 《计算机应用》 CSCD 北大核心 2018年第11期3336-3341,共6页
针对传统方法对多噪声、非线性的时间序列无法进行有效预测的问题,以多尺度特征融合为切入点,提出并验证了基于树结构长短期记忆(LSTM)神经网络的预测方法。首先,提出了实现预测目标的核心方法,并分析了方法的内在优势;其次,构建了基于... 针对传统方法对多噪声、非线性的时间序列无法进行有效预测的问题,以多尺度特征融合为切入点,提出并验证了基于树结构长短期记忆(LSTM)神经网络的预测方法。首先,提出了实现预测目标的核心方法,并分析了方法的内在优势;其次,构建了基于树结构长短期记忆神经网络的预测模型;最后,基于最近十年的国际黄金现货交易数据对模型进行了验证。实验结果表明,所提算法预测准确率高出最小成功率近10个百分点,证实了所提方法的有效性。 展开更多
关键词 树结构 长短期记忆神经网络 金融时间序列 预测
在线阅读 下载PDF
金融时间序列混合智能预测模型及实证研究 被引量:1
15
作者 王巍 赵国杰 毕星 《统计与决策》 CSSCI 北大核心 2008年第17期26-28,共3页
文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基... 文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值。证券市场实证研究表明该模型可以准确预测金融时间序列。 展开更多
关键词 经验模式分解 支持向量回归 粒子群优化 智能预测 金融时间序列
在线阅读 下载PDF
基于经验模态分解生成对抗网络的金融时间序列预测 被引量:13
16
作者 王静 邹慧敏 +1 位作者 曲东东 白丽 《计算机应用与软件》 北大核心 2020年第5期293-297,共5页
生成对抗网络(GAN)在进行时间序列预测时存在预测精度不高、模型不稳定等问题。针对上述问题,提出经验模态分解生成对抗网络(EMD-WGAN)模型。该模型在保留WGAN-GP优点的基础上,由经验模态分解(EMD)与长短期记忆神经网络(LSTM)结合作为... 生成对抗网络(GAN)在进行时间序列预测时存在预测精度不高、模型不稳定等问题。针对上述问题,提出经验模态分解生成对抗网络(EMD-WGAN)模型。该模型在保留WGAN-GP优点的基础上,由经验模态分解(EMD)与长短期记忆神经网络(LSTM)结合作为生成器,卷积神经网络(CNN)作为判别器;将WGAN-GP生成器损失函数与均方误差结合作为生成器的目标函数,以提高模型稳定性;基于2002年-2019年的沪深300指数对该模型的生成器和判别器进行对抗训练。通过与典型的金融时间序列预测方法对比,实验结果表明:该模型具有更小的预测误差。 展开更多
关键词 生成对抗网络 金融时间序列 经验模态分解
在线阅读 下载PDF
基于粒子滤波的高频金融时间序列预测 被引量:3
17
作者 张高煜 褚少鹤 《现代电子技术》 2009年第18期117-119,122,共4页
高频金融时间序列呈现出强烈的非高斯特性,已经不能采用传统的统计分析方法对其进行分析与预测,通常采用基于极限思想的已实现波动理论进行高频数据的建模。针对市场运作中的高频数据采集数量有限而不能准确估计"已实现"波动... 高频金融时间序列呈现出强烈的非高斯特性,已经不能采用传统的统计分析方法对其进行分析与预测,通常采用基于极限思想的已实现波动理论进行高频数据的建模。针对市场运作中的高频数据采集数量有限而不能准确估计"已实现"波动率的局限性,提出一种新的预测方法:在对"已实现"波动率建模的基础上,采用适合于非高斯非线性过程的粒子滤波技术对波动率进行估计与预测,可以处理单日内的高频交易数据。将此算法应用于日内高频微软股价数据预测,得到了较好的实证效果。 展开更多
关键词 已实现波动率 粒子滤波 高频数据 金融时间序列
在线阅读 下载PDF
基于相空间重构理论的单变量金融时间序列波动预警 被引量:1
18
作者 王朝勇 孙延风 裴志利 《商业研究》 CSSCI 北大核心 2015年第2期70-75,共6页
针对单变量金融时间序列,本文基于相空间重构理论和Shannon信息传输理论提出PSRIDL波动预警方法,对深交所平安银行价格波动序列进行实证。研究发现:在序列接近波动转换临界之前,PSR-IDL指数显著增加并且连续突破警戒阈值;PSR-IDL在接近... 针对单变量金融时间序列,本文基于相空间重构理论和Shannon信息传输理论提出PSRIDL波动预警方法,对深交所平安银行价格波动序列进行实证。研究发现:在序列接近波动转换临界之前,PSR-IDL指数显著增加并且连续突破警戒阈值;PSR-IDL在接近波动转换临界点之前100天里有74天发出清晰预警信号,但经典的波动预警指标CSD却没有发出清晰稳定的预警信号。这表明,在缺少有效预测模型的情况下,PSR-IDL用作单变量金融时间序列波动临界转换预警是可行有效的。 展开更多
关键词 金融时间序列 波动预警 相空间重构 信息消散长度
在线阅读 下载PDF
基于变化趋势相异性的金融时间序列函数聚类分析 被引量:5
19
作者 靳刘蕊 《经济经纬》 CSSCI 北大核心 2010年第2期66-69,共4页
针对函数数据聚类方法中基于序列数值模式测度相似性的聚类方法不考虑轨迹形状,而基于序列形状模式又忽略了序列数值所代表的相似信息和趋势信息,笔者提出一种对曲线之间对应里程碑出现的时间差异和所隐含的变化幅度差异的相异性测度法... 针对函数数据聚类方法中基于序列数值模式测度相似性的聚类方法不考虑轨迹形状,而基于序列形状模式又忽略了序列数值所代表的相似信息和趋势信息,笔者提出一种对曲线之间对应里程碑出现的时间差异和所隐含的变化幅度差异的相异性测度法,据此将具有类似变化趋势的曲线聚为一类。运用该法对上证50指数的股票进行聚类分析,结果表明该聚类法能很好地测度曲线之间变化趋势的相异性,在高频金融时间序列的聚类分析中具有现实意义。 展开更多
关键词 函数聚类 金融时间序列 相异性测度 里程碑
在线阅读 下载PDF
基于HRM的金融时间序列预测 被引量:1
20
作者 刘遵雄 周天清 《统计与决策》 CSSCI 北大核心 2011年第2期159-162,共4页
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... 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。 展开更多
关键词 HRM 金融时间序列 建模 预测
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部