基于EEMD-SVR的沪深300指数预测建模

发布时间：2020-11-18 17:19

　　 文章将集合经验模态分解(EEMD)引入股票指数预测研究中,并充分考虑ε-不敏感支持向量回归(SVR)出色的非线性建模能力,提出基于EEMD与SVR建模的沪深300指数预测方法EEMD-SVRP。首先对沪深300指数时间序列进行EEMD分解,获得多个本征模函数和趋势项,并根据序列的均值特征将本征模函数重组为高频、低频分量;运用ε-不敏感SVR分别建立各分量序列的预测模型,进而对各分量序列预测值进行加和,获得指数的集成预测值;最后为评估模型的预测有效性,对EEMD-SVRP与ARIMA、MLP-ANN和SVR三种典型指数预测方法做对比实验。结果表明:EEMD-SVRP具有更低的预测误差和预测滞后性,是一种更加有效的沪深300指数预测方法。
【部分图文】：

中，相对于ARIMA、

刖霾?,2018,(13).[8]WuZ,HuangNE.AStudyoftheCharacteristicsofWhiteNoiseUsingtheEmpiricalModeDecompositionMethod[J].ProceedingsoftheRoyalSocietyofLondon,2004,(460).[9]吴玉霞，温欣.基于ARIMA模型的短期股票价格预测[J].统计与决策,2016,(23).[10]于卓熙，秦璐，赵志文,等.基于主成分分析与广义回归神经网络的股票价格预测[J].统计与决策,2018,(18).（责任编辑/易永生）财经纵横27502700265026002550250001020304050原数据EMD-SVRSVRMLPARIMA图9四个模型预测结果的对比表6不同预测建模方法的评估结果建模方法ARIMAMLP-ANNSVREEMD-SVRPR20.76490.79620.79370.9123EVS0.76590.79630.79370.9128RMSE39.780537.037237.265923.4549MAE27.745725.214725.254219.4712156
【相似文献】

相关期刊论文 前8条

1 赵江涛,黄薇,王惠文;两种成分数据预测建模方法的比较研究[J];北京航空航天大学学报(社会科学版);2003年02期

2 张欣,蔡伟光,万健麟,黄思东,龚哲君;利用人工神经网络实现预测建模[J];预测;1997年04期

3 张云红;赵继军;张嗣瀛;;肥胖的预测建模与仿真研究[J];计算机仿真;2014年03期

4 谢力;魏汝祥;蒋国萍;林名池;;基于分片逆回归的小样本组合预测建模方法[J];统计与决策;2013年02期

5 王惠文;孟洁;;多元线性回归的预测建模方法[J];北京航空航天大学学报;2007年04期

6 曹凯;彭栋栋;陈峰;李修海;;一种短–长期组合预测建模方法[J];信息与控制;2013年04期

7 陈碧莲;魏恩颐;李修恕;林圣灿;;预测建模[J];预测;1986年02期

8 谢力;魏汝祥;尹相平;訾书宇;;基于层次结构模型的小样本组合预测建模[J];统计与决策;2011年22期

相关硕士学位论文 前1条

1 蔡自豪;基于数据预处理技术的灰色预测建模方法及应用研究[D];暨南大学;2017年

本文编号：2888978