基于差分启发信息的模糊时间序列预测模型研究

发布时间：2020-05-15 20:28

【摘要】：时间序列作为一类重要的复杂数据对象,通过对社会、经济、科学技术等领域中的时间序列做进一步分析与处理,便有可能揭示事物运动、变化和发展的内在规律,这无疑对社会经济和技术的发展有着极为重要的意义。金融市场被称为整个国家经济运行的核心,对金融时间序列数据进行有效地分析、预测和控制已经成为整个经济和金融活动的重要工作之一。由于金融时间序列具有非线性、不确定性和存在语言值现象等特征,金融时间序列分析与预测已经成为现代时间序列研究中最具有挑战的课题。 到目前,模糊时间序列已成为一种行之有效的金融时间序列分析方法。然而,如何客观地划分论域区间和有效地构建模糊逻辑关系矩阵依然是影响模糊时间序列模型预测精度的两个没有得到有效解决的问题。因此,本文对上述问题进行了一些探讨。主要取得了以下几个方面的成果： 1)为了更为有效地利用历史数据间隐含的变化趋势,进而更准确地描述模糊逻辑关系,提出了一种基于差分启发信息的模糊逻辑关系矩阵的构建方法。该方法利用数据间的不同阶次差分做为启发信息,从而构建了具有自适应能力的三种模糊逻辑关系矩阵。通过道琼斯、恒生和日经等典型证券指数以及美元/日元汇率比价预测的结果表明,该差分启发模糊时间序列模型给出了较好的预测结果。 2)实现了基于K均值聚类技术的模糊时间序列模型的建模。该模型根据聚类得到每一类中数据所处的范围来确定语言值的区间长度,从而做到了较为客观的论域划分；此外,该方法利用K均值聚类算法得到的聚类中心作为模糊化值。通过对阿拉巴马州州立大学入学人数的预测,实验结果表明,该模型相比于现有的模糊时间序列模型可以进一步提高预测精度。
【图文】：

(3一12)其中，Forecas(t)为最终预测数据，OV(*)为原始数据，Defuzz沪ed(*)为解模糊化值，刀为一1到1之间任意的非零数值。附表AZ和图3一1给出了本算法对上证指数 11/3/2005一 12/30/2005的日收盘价的预测结果。上证指数预测曲线对比(11/3/2005一12/31/2005) 1180 1160 1140 1120 110010801060~~~历史数据~文中方法法 ___，‘户由 由武 武尹入户味___广月护 护幸招孚厂次冷了尹沙、一护交易日期图3一1上证指数预测曲线对3.4差分启发模型的有效性分析为了验证文中模型的有效性，我们采用模糊时间序列分析中的经典数据集，，阿拉巴马州州立大学入学人数作为实验数据。表3一9、表3一10和图3一2给出了在不同语言

(3一14)通过与现有的模糊时间序列模型对应，实验结果表明文中模型可以获得更好的预测精度。实验对比结果分别如表3一11和图3一3所示。3.5模型在典型金融时间序列预测中的应用为了验证本论文中提出的模型具有一定的普适性，作者将其应用到较为典型的金融时间序列预测当中，本节选取了道琼斯工业指数、恒生指数、上证指数以及USD/JPY汇率比价等日数据作为数据集，下面将给出实验结果。
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F830

【参考文献】

相关期刊论文 前5条

1 李斌,谭立湘,章劲松,庄镇泉;面向数据挖掘的时间序列符号化方法研究[J];电路与系统学报;2000年02期

2 蒋嵘;基于形态表示的时间序列相似性搜索[J];计算机研究与发展;2000年05期

3 刘锋,何东武,袁学海;模糊时间预测系统的Heuristic模型的改进[J];辽宁师范大学学报(自然科学版);2002年02期

4 哈明虎,王丽敏,胡运权;一种新的模糊时间序列预测模型[J];预测;2000年03期

5 沈斌,姚敏,易文晟;基于最小二乘支持向量机的模糊时序分析方法[J];浙江大学学报(工学版);2005年08期

相关博士学位论文 前1条

1 曾淑惠;多变量模糊时间数列之分析及应用[D];厦门大学;2003年

相关硕士学位论文 前1条

1 张拥华;基于支持向量机的金融时间序列研究[D];湖南大学;2008年

本文编号：2665591