论文部分内容阅读
金融时间序列数据具有非线性、非平稳、高噪声等复杂特征,且随着移动互联网、人工智能的快速发展,海量结构化与非结构化数据不断产生,数据间的关联模式日益复杂。在此背景之下,构建科学合理的金融时间序列数据预测模型,充分挖掘金融时间序列数据隐含的重要信息至关重要。为此,在梳理金融时间序列数据预测的计量经济学方法、机器学习算法的基础上,着重分析深度学习应用于金融时间序列数据预测的理论基础与实证应用的相关文献,以期为大数据与人工智能背景下的金融时间序列数据预测以及多学科交叉融合研究提供相关借鉴。