论文部分内容阅读
运用经验模态分解（EMD）、人工神经网络（ANN）和时间序列,基于分解—重构—集成的思想,构建了一个组合预测模型。在模型的构建过程中,提出了对股票指数序列进行逐日前向滚动EMD分解的思路,将分解后的本征模函数（IMF）分量输入神经网络进行组合预测。运用上述基于前向滚动EMD模型分析沪深300指数和澳大利亚指数的波动特点和走势。结果显示：前向滚动EMD模型比ARIMA模型、GARCH模型和BP神经网络模型具有更高的预测精度。