基于SSA的金融时间序列自适应分解预测

• 作者: 刘遵雄 周天清 郑淑娟
• 来源期刊: 经济数学
• 学科: 经济
• 关键词: 奇异谱分析 最小均方 分解预测
• 年，卷（期）: 2011,（3）
• 页码范围: 102-106
• 分类号: F830.91
• 字数: 3884字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1660.2011.03.021

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘遵雄	华东交通大学信息工程学院	59	330	10.0	15.0
2	郑淑娟	江西财经大学科研处	15	127	6.0	11.0
3	周天清	江西财经大学科研处	1	2	1.0	1.0