基于小波变换的模糊信息粒化支持向量回归模型及其应用研究

• 作者: 张屹山 李晓新
• 来源期刊: 数量经济研究
• 学科: 经济
• 关键词: WT-FIG-SVR模型 FIG-SVR模型 支持向量回归
• 年，卷（期）: 2019,（4）
• 页码范围: 127-143
• 页数: 17页
• 分类号: F224.0

摘要

本文将小波变换、模糊信息粒化、交叉验证以及支持向量回归等方法组合在一起,构建出基于小波变换的模糊信息粒化支持向量回归(WT-FIG-SVR)模型。首先,该模型通过小波变换对时间序列进行降噪处理,有效地改善了数据的不稳定和失真问题。然后,对模糊后的数据进行支持向量回归,并运用五折交叉验证方法隔点搜索最优参数,避免过度拟合的发生。由于数据处理中运用了模糊算法,新组合模型不仅可以对未来数据进行点估计,而且可以计算出未来的区间估计。通过对上证指数的实证分析,比较WT-FIG-SVR新模型与FIG-SVR原模型的预测效果,结果证明加入小波变换的新模型具有更强的预测能力,特别是在数据出现剧烈波动时,新模型对预测精度的提升更为明显。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李晓新	吉林大学商学院	1	0	0.0	0.0
2	张屹山	吉林财经大学统计学院	1	0	0.0	0.0