论文部分内容阅读
针对金融时间序列存在非线性、随机波动强的特点,提出Fourier变换结合ARMA模型的区间预测方法。根据谱密度分布,通过信噪比和方差累积变化确定时间序列的多周期复合趋势。数据分析表明,这种多周期复合趋势的残差适合用ARMA模型建模。对2012年12月28日至2015年7月21日纳斯达克综合指数每日收盘价的分析显示：该序列的最佳趋势由两个周期序列合成,对该趋势的残差用ARMA模型建模,获得比较理想的区间预报效果。