基于人工智能的黄金价格非线性组合预测

被引：4

作者：

张延利 ^{[1
]}

张德生 ^{[2
]}

机构：

[1] 泸州职业技术学院基础部

[2] 西安理工大学理学院

来源：

数学的实践与认识 | 2015年 / 45卷 / 21期

关键词：

黄金; ARMA模型; GARCH(1,1)模型; 人工智能;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; F831.54 [];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 020202 ;

摘要：

黄金价格时间序列数据具有较强的非线性,在采用单模型对其预测时较多采用线性模型、非线性模型以及加入外生变量的非线性模型.但是,单一模型较难全面体现黄金数据的非线性特征,因此,预测效果不很理想.在利用线性方法进行模型组合时若被组合模型与原数据序列无线性关系,此时采用线性组合预测效果较差,甚至组合后的模型预测精度低于被组合的单模型精度.为充分发挥单一模型的优势,采用人工智能的方法建立非线性组合预测模型,模型可有效利用各模型特点,预测精度优于采用的各单一模型.

引用

页码：26 / 33

页数：8

共 9 条

[1] 基于HP滤波—AR模型—GARCH族模型对黄金价格预测研究 [J].

赵庆 ;

王志强 .

黄金, 2014, 35 (03) :4-8

[2] 非平稳时间序列的EMD组合预测及其应用 [J].

朱建平 ;

张楠溪 ;

朱万闯 .

统计与决策, 2013, (15) :4-8

[3] 基于ARIMA模型的黄金价格短期分析预测 [J].

许立平 ;

罗明志 .

财经科学, 2011, (01) :26-34

[4] 基于pair copula-GARCH模型的多资产组合VaR分析 [J].

黄恩喜 ;

程希骏 .

中国科学院研究生院学报, 2010, 27 (04) :440-447

[5]

非线性时间序列[M]. 高等教育出版社 , 陈敏译, 2005

[6]

神经网络与应用[M]. 国防工业出版社 , 董长虹编著, 2005

[7] Mixed modified fruit fly optimization algorithm with general regression neural network to build oil and gold prices forecasting model [J].

Pan, Wen-Tsao .

KYBERNETES, 2014, 43 (07) :1053-1063

[8]

A note on forecasting the prices of gold and silver: Asymmetric loss and forecast rationality[J] . Christian Pierdzioch,Jan-Christoph Rülke,Georg Stadtmann. Quarterly Review of Economics and Finance . 2013

[9]

MODELLING ASYMMETRIC EXCHANGE RATE DEPENDENCE*[J] . Andrew J.Patton. International Economic Review . 2006 (2)

← 1 →