基于SSA的金融时间序列自适应分解预测

查看全文 作　　者：[1]刘遵雄;[1]周天清;[2]郑淑娟

机构地区：[1]华东交通大学信息工程学院,江西南昌330013;[2]江西财经大学科研处,江西南昌330013

出　　处：《经济数学》索引2011年第28卷第3期,共5页

基　　金：教育部人文社会科学研究资助项目(09YJA630036);江西省自然科学基金资助项目(2010GZS0034) 摘　　要：提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并应用于分解预测.实验结果表明,修改后的分解预测相比于LMS自适应AR直接预测法,优势更明显. 关键词：奇异谱分析最小均方分解预测

相关文献

参考文献（10）
引证文献（2）
耦合文献（0）

参考文献(10)

引证文献(2)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

基于SSA的金融时间序列自适应分解预测

参考文献(10)

引证文献(2)

用户提示