金融时间序列模糊边界预测研究

被引：13

作者：

桂斌 ^{[1
,2
]}

黄立冬 ^{[2
]}

周杰 ^{[1
]}

杨小平 ^{[1
]}

机构：

[1] 中国人民大学信息学院

[2] 淮阴师范学院传媒学院

来源：

小型微型计算机系统 | 2012年 / 33卷 / 10期

关键词：

信息粒化; 支持向量机; 回归; 金融时间序列;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; O211.61 [平稳过程与二阶矩过程];

学科分类号：

070103 [概率论与数理统计]; 140502 [人工智能];

摘要：

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.

引用

页码：2283 / 2286

页数：4

共 7 条

[1]

基于最小二乘支持向量机的复杂金融时间序列预测.[J].辛治运;顾明;.清华大学学报(自然科学版).2008, 07

[2]

基于混合核支持向量机的金融时间序列分析 [J].