金融时间序列相关论文
现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性，导致预测精度不高。针对此问题，提出一种基于二次分解......
时间序列分析在天文学、生物学、工程学、金融学等众多领域有着广泛的应用。其中,股票、期货以及外汇等金融市场产生的大量时序数......
随着深度学习的发展，神经网络模型已被广泛应用于期货等金融资产价格序列预测研究工作中。当前的研究以低频数据为主，针对非线性、非......
随着科技的发展、互联网的普及,以论坛、微博、新闻和其他社区交流网站为主要载体的社会化媒体正在快速丰富着人们的闲余生活,在这......
利用信息技术对我国商品指数价格进行预测是一项非常有意义的研究。预判商品指数的价格走势不但有利于企业利用大宗商品的价格信息......
金融市场是国家经济体系中至关重要组成部分,在某种意义上反应了一个国家的经济发展状况。对金融时间序列进行预测一直是众多投资......
据美国期货业协会（FIA）统计,自2015年以来,我国豆粕期货成交量已连续5年位居全球农产品期货第一位,是我国推出较为成功的农产品期货......
由于时间序列的非线性和时变性,以往的神经网络预测方法都无法获得理想的效果。基于自适应神经网络的时序数据n步预测算法,可以让......
在大数据环境下,数据结构及其内在模式与特征的复杂性日益增加,如何科学有效地从海量数据中萃取、过滤、筛选出有价值的信息以更好......
低频、可靠的预测买入或卖出的关键交易事件,是实现金融交易高回报、低风险的有效途径。金融序列的过去值对未来值有直接或者间接......
在经济全球化、金融一体化的今天,股票市场不断复杂化,呈现出诸多经典金融分析无力解释的背离现象,但与此同时,一些经典金融统计特......
【摘 要】在“互联网+大数据”的背景下，搜索引擎为人类提供了多源的瞬时信息。在预测中，由于预测系统的复杂性，区间数作为刻画事物随......
数据挖掘是近年来人工智能与数据库领域研究的前沿课题.面对当今金融信息国际化和经济全球化的趋势,金融市场瞬息万变.利用数据挖......
数据挖掘技术源于商业的直接需求,因此它在各种商业领域都存在广泛的使用价值。通过在海量的股市历史数据中进行数据挖掘,得到较高......
时间序列是按时间先后顺序将某指标时间点上的数值排列而成的数列,时间序列分析是一种动态数据处理的统计方法,它根据历史数据来判......
近年来,基于信息熵的时间序列分析受到越来越多的关注,并广泛应用于生理、交通、金融等众多领域。本文研究对象为金融时间序列等实......
在诸多复杂动力学系统中,金融系统与我们的生活紧密相连。对金融系统的研究往往归结于对其所产生的金融时间序列的研究。近年来,一......
时间序列模式识别、异常检测在金融领域有着广泛应用,能够为金融决策提供重要参考信息.在大数据场景下的异常检测中,为满足对计算......
金融风险始终伴随着金融市场的发展，如何度量金融风险的变化及其特性并实施有效的规避及防范措施，一直是国内外学者共同关注的课题。......
金融股票市场是一个极其复杂的演化系统,因此对股价波动进行准确预测是投资者理性规避投资风险的重要渠道.本文首先通过构建科学性......
金融时间序列特征分析一直是金融领域中最受关注的热点问题之一,利用数据挖掘技术提取金融数据中蕴藏的有用信息,解决信息爆炸和知......
波动持续性是广泛存在于金融时间序列的一类普遍现象,波动持续性建模方法是从动态角度研究风险变化的一种有效方法。而ARCH族模型......
大量的实证表明：长记忆性和波动持续性是广泛存在于金融时间序列的普遍现象，波动持续性建模方法是从动态的角度研究风险变化的一种有......
许多宏观经济系统或者金融时间序列的正常行为有时会发生偶然性的中断，导致经济系统从一个体制转换到另一个体制，这种动态行为可能是......
函数系数自回归模型（Functional Coefficient Autoregression Models即FAR模型）是非线性时间序列模型中非常重要的模型.但是目前的研......
本文主要利用小波分析良好的多分辨特性,而且在时域和频域均具有良好的局部化性质,把小波理论与时间序列分析结合在一起,讨论小波......
许多金融时间序列都具有波动时变的特征。目前，针对波动时变性的建模方法主要有两大类：一类是GARCH模型及其扩展形式；另一类是SV模型......
本文使用统计方法对金融时间序列的可预测性以及预测方法做了一些研究。分析结果表明上证市场股票的日收益率呈明显的无记忆过程特......
支持向量机(SVM)是基于统计学习理论基础上发展起来的一种新的机器学习方法，它将机器学习问题转化为最优化问题，并应用最优化理论构......
金融时间序列建模的主要目的是利用观测到的数据推断真实的数据生成过程或金融市场的概率法则，由此获得的知识可以用于检验经济学假......
近些年，自然灾害频现，其中地震所造成的财产损失以及人员伤亡最为严重，因此，地震作为一种极端事件一直被多方领域的研究者所关注。为了......
本文通过系统全面的理论分析和多角度的数量分析,讨论了我国大陆股市与美国股市之间联动性的变化。论文的主要研究工作如下:
......
本文首先阐述了研究小波和金融时间序列的目的和意义，对小波方法的基本理论和金融时间序列模型进行了综述，并对小波方法在金融时间序......
在实际金融市场中，一些金融时间序列（利率、汇率、股票等）应用带跳的扩散过程来建模．由于金融模型中跳风险的重要性，金融时间序列中未知......
八十年代以来，国际金融市场经历了前所未有的迅猛发展，金融活动不断地以超出人们想象的方式影响着人类的整个经济生活。面对金融的自......
自Hurst从潮汐数据中发现水文时间序列的长期记忆性(longmemory)，Mandelbrot建立了长期记忆分析的严格数学基础后，长期记忆性研究在......
对于有效市场假说的检验而言,股票市场收益的长记忆性有着特别重要的意义。通常使用的长记忆性研究方法有经典R/S分析、修正R/S分......
时间序列的复杂性和不可逆性的研究越来越多的被各领域学科的学者所关注,各类分析方法也被广泛的应用到了物理学、医学、生物科学......
恩格尔的ARCH模型自问世以来,由于其对条件异方差的假设,可以很好的描述金融资产收益率分布的类聚现象和厚尾现象,ARCH类模型在描......
格兰杰与恩格尔以其在经济与金融时间序列上出色的研究成果对应用经济与金融研究领域产生了深刻而持久的影响,他们无愧于诺贝尔经......
针对金融时间序列一般具有非线性、非平稳性、高信噪比和有限样本等特点,将模糊支持向量回归机引入到金融时间序列预测中.设计一种......
基于低频金融数据的预测,在时间上具有长期性,依赖于整体经济环境,不能形成短期内的准确预测.但是由于高频金融时间序列具有非线性......
