提出將金融時(shí)間序列數(shù)據(jù)的序列依賴關(guān)系以及不同金融市場(chǎng)時(shí)間序列數(shù)據(jù)的局部關(guān)聯(lián)特征納入同一模型,構(gòu)建結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（CNN）以及門控循環(huán)單元（GRU）神經(jīng)網(wǎng)絡(luò)優(yōu)勢(shì)的CNN-GRU神經(jīng)網(wǎng)絡(luò)。同時(shí),采用集成經(jīng)驗(yàn)?zāi)B(tài)分解和游程判定法,將金融時(shí)間序列數(shù)據(jù)分解與重構(gòu)為趨勢(shì)項(xiàng)、低頻項(xiàng)和高頻項(xiàng),以構(gòu)建基于不同頻率、不同波動(dòng)的金融時(shí)間序列數(shù)據(jù)預(yù)測(cè)模型,繼而對(duì)不同分量的預(yù)測(cè)結(jié)果集成以得到最終預(yù)測(cè)結(jié)果。實(shí)證結(jié)果表明,在直接預(yù)測(cè)中,CNN-GRU神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度高于只考慮序列依賴關(guān)系的GRU神經(jīng)網(wǎng)絡(luò)和只考慮局部關(guān)聯(lián)特征的CNN。在集成預(yù)測(cè)中,上證指數(shù)的集成預(yù)測(cè)精度高于深度學(xué)習(xí)、機(jī)器學(xué)習(xí)算法對(duì)上證指數(shù)直接預(yù)測(cè)的精度。 

【文章來(lái)源】：統(tǒng)計(jì)與信息論壇. 2020,35(04)北大核心CSSCI

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
一、引 言
二、研究方法與理論基礎(chǔ)
    （一）時(shí)間序列數(shù)據(jù)的分解與重構(gòu)
    （二）CNN-GRU神經(jīng)網(wǎng)絡(luò)
三、實(shí)證探究
    （一）特征向量選擇以及數(shù)據(jù)說(shuō)明
    （二）EEMD分解與IMF重構(gòu)
    （三）直接預(yù)測(cè)效果探究
    （四）集成預(yù)測(cè)效果探究
四、結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的上證綜指波動(dòng)率預(yù)測(cè)效果比較研究[J]. 陳衛(wèi)華.  統(tǒng)計(jì)與信息論壇. 2018(05)
[2]隨鉆核磁共振自旋回波數(shù)據(jù)聯(lián)合編碼壓縮方法[J]. 孫偉峰,李荷鑫,李新,倪衛(wèi)寧,張衛(wèi),戴永壽.  電子測(cè)量與儀器學(xué)報(bào). 2018(01)
[3]基于EEMD的投資者情緒與股指波動(dòng)的關(guān)系研究[J]. 李合龍,馮春娥.  系統(tǒng)工程理論與實(shí)踐. 2014(10)
[4]基于EEMD-SVM方法的光伏電站短期出力預(yù)測(cè)[J]. 茆美琴,龔文劍,張榴晨,曹雨,徐海波.  中國(guó)電機(jī)工程學(xué)報(bào). 2013(34)
[5]上證綜指波動(dòng)特征及收益率影響因素研究——基于EEMD和VAR模型分析[J]. 王曉芳,王瑞君.  南開(kāi)經(jīng)濟(jì)研究. 2012(06)
[6]PCA-GA-SVM模型的構(gòu)建及應(yīng)用研究——滬深300指數(shù)預(yù)測(cè)精度實(shí)證分析[J]. 徐國(guó)祥,楊振建.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2011(02)
[7]一種基于EMD的短期風(fēng)速多步預(yù)測(cè)方法[J]. 劉興杰,米增強(qiáng),楊奇遜,樊小偉.  電工技術(shù)學(xué)報(bào). 2010(04)
[8]基于非線性時(shí)間序列分析經(jīng)驗(yàn)?zāi)B(tài)分解和小波分解異同性的研究[J]. 龔志強(qiáng),鄒明瑋,高新全,董文杰.  物理學(xué)報(bào). 2005(08)



本文編號(hào)：2986971