基于灰色-ARIMA的金融时间序列智能混合预测研究

发布时间：2017-08-03 06:24

  本文关键词：基于灰色-ARIMA的金融时间序列智能混合预测研究

  更多相关文章： 金融时间序列 灰色预测 ARIMA PSO 遗传算法

【摘要】：提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。
【作者单位】： 中南大学商学院;湖南大学科学技术研究院;
【关键词】： 金融时间序列 灰色预测 ARIMA PSO 遗传算法
【基金】：教育部博士点基金资助项目(20090161120044)
【分类号】：F830;N941.5
【正文快照】： 一、引言金融市场属典型的复杂系统,呈现出较强的非线性和时变性特征[1]。其内部因素和位置变量之间的关系很难用准确的数学公式加以描述,难以建立完整的动力方程。因此,研究针对金融时间序列的分析和预测方法,具有十分重要的意义。近年来,智能算法被越来越多地应用于金融时间

【参考文献】

中国期刊全文数据库 前6条

1 李松;刘力军;解永乐;;遗传算法优化BP神经网络的短时交通流混沌预测[J];控制与决策;2011年10期

2 周国雄;吴敏;;基于改进的灰色预测的模糊神经网络控制[J];系统仿真学报;2010年10期

3 黄安强;肖进;汪寿阳;;一个基于集成情境知识的组合预测方法[J];系统工程理论与实践;2011年S1期

4 魏_趁，

本文编号：613046