一种面向金融数据的基于ARIMA的模糊时间序列预测模型

• 作者: 张磊 陈立新
• 来源期刊: 现代计算机（专业版）
• 关键词: 数据挖掘 金融时序 模糊逻辑 ARIMA
• 年，卷（期）: 2014,（5）
• 所属期刊栏目: 研究与开发
• 页码范围: 3-8,13
• 页数: 7页
• 字数: 4987字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2014.07.001

摘要

时序分析方法在金融数据挖掘中扮演着越来越重要的角色，然而，历史数据的不完整、不确切性制约着传统金融时间序列预测方法的准确性。创新地定义ARIMA模型的相似性和模，并融合模糊时间序列方法，提出新的基于ARIMA的模糊时间序列预测模型。该模型能够高效处理不完整的、含糊的历史数据，并对未来走势进行有效预测。一方面， ARIMA模型的简约灵活性使得对高维金融时间序列的特征提取大为简化；另一方面，由于结合模糊逻辑的理论，该方法能够有效发现历史数据中的相似模式。以人民币兑美元汇率为例，通过对预测结果的分析，验证了的新模型的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈立新	中山大学数学系	30	154	7.0	9.0
2	张磊	中山大学数学系	101	554	13.0	21.0