文件名称:基于SSA的金融时间序列自适应分解预测 (2011年)
文件大小:1.01MB
文件格式:PDF
更新时间:2024-06-19 05:35:35
自然科学 论文
提出了分解预测的思想,通过SSA将序列分解成低频与高频两部分,分别采用最小均方(LMS)自适应自回归移动平均(ARIMA)与LMS自适应自回归(AR)模型进行预测,然后将两者叠加便可得原始序列预测值.同时,为了更好地捕捉序列局部突变,缩减预测延迟,提高预测精度,对EaLMS算法(基于误差调整的LMS算法)参数进行修正并应用于分解预测.实验结果表明,修改后的分解预测相比于LMS自适应AR直接预测法,优势更明显.