基于经验模态分解生成对抗网络的金融时间序列预测

• 作者: 曲东东 王静 白丽 邹慧敏
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 生成对抗网络 金融时间序列 经验模态分解
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 算法
• 页码范围: 293-297
• 页数: 5页
• 分类号: TP391
• 字数: 3977字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.05.050

摘要

生成对抗网络(GAN)在进行时间序列预测时存在预测精度不高、模型不稳定等问题.针对上述问题,提出经验模态分解生成对抗网络(EMD-WGAN)模型.该模型在保留WGAN-GP优点的基础上,由经验模态分解(EMD)与长短期记忆神经网络(LSTM)结合作为生成器,卷积神经网络(CNN)作为判别器;将WGAN-GP生成器损失函数与均方误差结合作为生成器的目标函数,以提高模型稳定性;基于2002年-2019年的沪深300指数对该模型的生成器和判别器进行对抗训练.通过与典型的金融时间序列预测方法对比,实验结果表明:该模型具有更小的预测误差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王静	大连海事大学信息科学与技术学院	27	113	6.0	10.0
2	邹慧敏	大连海事大学信息科学与技术学院	1	0	0.0	0.0
3	曲东东	大连海事大学信息科学与技术学院	3	1	1.0	1.0
4	白丽	大连海事大学信息科学与技术学院	1	0	0.0	0.0