基于非线性特征提取和加权K最邻近元回归的预测模型

• 作者: 唐黎 姚一永 潘和平
• 来源期刊: 信息系统学报
• 学科: 经济
• 关键词: 经验模态分解 PCA K最邻近法 特征提取 预测
• 年，卷（期）: xxxtxb,（2）
• 页码范围: 109-118
• 页数: 10页
• 分类号: F832.5

摘要

本文提出了一种智能的金融时间序列预测模型。该模型采用前向滚动经验模态分解(forward rolling empirical mode decomposition,FEMD)对金融时间序列进行信号分解,采用主成分分析(principal component analysis,PCA)对分解后产生的高维向量组进行降维.整个过程是一个复杂的非线性特征提取过程。再将提取的特征输入一种新的利用PCA输出的加权K最邻近法(K-nearest neighbor,KNN)进行回I预测。该模型在特征提取过程的构造和整体结构上都是具有创新性的,并提出了比简单的KNN预测更有效的改进算法。实证结果证实了该模型对中国股票指数的预测效果。