时间序列预处理与信息噪声之间的关系研究——基于离散小波变换和ARIMA模型
发布时间:2023-04-27 03:55
时间序列的噪声等预处理是数据挖掘及建模过程中重要的一步,对系统分析与预测具有重要意义.基于改良的离散小波变换方法,以2009年5月14日至2019年5月14日为时间范围,以上证指数高频收益率日数据、低频收盘价日数据为实验样本进行去噪预处理,对比四类参数取不同值时的性能表现,并通过ARIMA模型验证预测效果.时间序列预处理与噪声之间不存在矛盾关系,小波方法适当消噪后也可以保留有用信息,提高了分析与预测的正确率.通过研究时间序列预处理与信息噪声之间的关系,期望可以为金融时序的深度挖掘、预测提供一定的指导意见.
【文章页数】:13 页
【文章目录】:
1 文献综述
2 小波变换
3 不同频率时序的小波去噪
4 小波去噪在金融时序预测中的验证
5 结论
本文编号:3802818
【文章页数】:13 页
【文章目录】:
1 文献综述
2 小波变换
3 不同频率时序的小波去噪
4 小波去噪在金融时序预测中的验证
5 结论
本文编号:3802818
本文链接:https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/3802818.html