基于误差同步预测的SVM金融时间序列预测方法

被引：13

作者：

李祥飞

张再生

机构：

[1] 天津大学管理与经济学部

来源：

天津大学学报(自然科学与工程技术版) | 2014年 / 47卷 / 01期

关键词：

误差预测; 经验模态分解; 支持向量机; 时间序列;

D O I：

暂无

中图分类号：

F830 [金融、银行理论]; TP181 [自动推理、机器学习];

学科分类号：

1201 ; 020204 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

在现有支持向量机(SVM)方法的基础上提出对预测误差进行同步预测的双重预测方法,利用预测到的误差对初步预测值进行校正以提高预测精度.针对误差序列非线性、非平稳以及系统动力信息不足的特点,将经验模态分解(EMD)和支持向量机(SVM)方法结合引入误差序列的预测中.对误差序列的预测分别运用初步训练误差和测试误差对预测集合的误差进行预测,将所得到的误差序列分解为若干固有模态分量(IMF),根据各个IMF不同尺度的特点,选择不同的参数对其进行预测,最终合成原始序列的误差预测值,将所预测到的误差与初步原始序列预测值结合,得到最终的预测值.仿真结果表明该方法能够很好地解决预测滞后性和拐点误差大的缺点,相对于普通的SVM预测方法具有更好的预测精度.

引用

页码：86 / 94

页数：9

共 11 条

[1] 基于SVM的多变量股市时间序列预测研究 [J].

金桃 ;

岳敏 ;

穆进超 ;

宋伟国 ;

何艳珊 ;

陈毅 .

计算机应用与软件, 2010, 27 (06) :191-194+209

[2] 基于支持向量回归神经网络的时间序列预测 [J].

李军 ;

赵峰 .

系统仿真学报, 2008, (15) :4025-4030

[3] 基于小波变换域的SVM股市时间序列预测算法 [J].

杨稣 ;

史耀媛 ;

宋恒 .

科学技术与工程, 2008, (12) :3171-3174

[4] 经验模态分解方法及其实现 [J].

刘慧婷 ;

倪志伟 ;

李建洋 .

计算机工程与应用, 2006, (32) :44-47

[5]

A novel algorithm of artificial immune system for high-dimensional function numerical optimization[J]. DU Haifeng 1,2*, GONG Maoguo1, JIAO Licheng1 and LIU Ruochen1(1. Institute of Intelligent Information Processing and Key Laboratory of Radar Signal Processing, Xidian University, Xi’an 710071, China;2. School of Mechanical Engineering, Xi’an Jiaotong University, Xi’an 710049, China).Progress in Natural Science. 2005(05)

[6]

Using support vector machines for time series prediction[J] . U Thissen,R van Brakel,A.P de Weijer,W.J Melssen,L.M.C Buydens.Chemometrics and Intelligent Laboratory Systems . 2003 (1)

[7]

Modified support vector machines in financial time series forecasting[J] . Francis E.H. Tay,L.J. Cao.Neurocomputing . 2002 (1)

[8]

A NEW VIEW OF NONLINEAR WATER WAVES: The Hilbert Spectrum1[J] . Norden E. Huang,Zheng Shen,Steven R. Long.Annual Review of Fluid Mechanics . 1999 (1)

[9] The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].

Huang, NE ;

Shen, Z ;

Long, SR ;

Wu, MLC ;

Shih, HH ;

Zheng, QN ;

Yen, NC ;

Tung, CC ;

Liu, HH .

PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 1998, 454 (1971) :903-995

[10] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

← 1 2 →