注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書經(jīng)濟管理經(jīng)濟財政、金融金融/銀行/投資基于計算智能的時間序列預測技術及其在金融市場的應用

基于計算智能的時間序列預測技術及其在金融市場的應用

基于計算智能的時間序列預測技術及其在金融市場的應用

定 價:¥40.00

作 者: 熊濤 著
出版社: 中國農(nóng)業(yè)出版社
叢編項:
標 簽: 暫缺

購買這本書可以去


ISBN: 9787109233935 出版時間: 2017-09-01 包裝: 平裝
開本: 16開 頁數(shù): 194 字數(shù):  

內(nèi)容簡介

  計算智能是受到大自然智慧和人類智慧的啟發(fā)而設計出的一類算法的統(tǒng)稱。隨著技術的進步,在科學研究和工程實踐中遇到的問題變得越來越復雜,采用傳統(tǒng)的計算方法來解決這些問題面臨著計算復雜度高、計算時間長等問題。為此,數(shù)學家和計算機學家相繼提出一系列具有啟發(fā)式特征的計算智能算法,如前向神經(jīng)網(wǎng)絡、支持向量機、多輸出支持向量機、粒子群優(yōu)化算法、螢火蟲算法、經(jīng)驗模態(tài)分解等。這些算法或模仿生物界的進化過程,或模仿生物的生理構(gòu)造和身體機能,或模仿動物的群體行為,或模仿人類的思維過程的特性等。寄希望通過模擬大自然和人類的智慧實現(xiàn)對問題的優(yōu)化求解。目前,計算智能技術已廣泛地應用于時間序列建模與預測研究中,并取得令人矚目的成績?!痘谟嬎阒悄艿臅r間序列預測技術及其在金融市場的應用》聚焦于金融市場中的時間序列多步預測和區(qū)間型預測問題,研究基于計算智能的時間序列預測技術。

作者簡介

暫缺《基于計算智能的時間序列預測技術及其在金融市場的應用》作者簡介

圖書目錄

摘要
1 緒論
1.1 本文的研究背景、目的與意義
1.2 研究現(xiàn)狀
1.2.1 EMD研究概況
1.2.2 時間序列多步預測研究概況
1.2.3 區(qū)間型時間序列預測研究概況
1.3 本文結(jié)構(gòu)和主要內(nèi)容
2 EEMD—SVM時間序列預測方法
2.1 研究背景和研究動機
2.2 EEMD-SVM混合模型的構(gòu)建過程
2.2.1 集合經(jīng)驗模態(tài)分解
2.2.2 支持向量機
2.2.3 EEMD-SVMs模型的構(gòu)建過程
2.3 數(shù)據(jù)集來源及準確度檢測方法
2.4 實驗結(jié)果討論
2.5 本章小結(jié)
3 基于EMD的混合建??蚣苤卸它c效應研究
3.1 引言
3.2 抑制端點效應的方法
3.2.1 鏡像法
3.2.2 Coughlin法
3.2.3 斜率法
3.2.4 Rato法
3.3 端點效應對EMD-SVM預測模型的影響
3.3.1 研究背景和研究動機
3.3.2 EMD—SVMs混合模型的構(gòu)建過程
3.3.3 實驗設計
3.3.4 實驗結(jié)果討論
3.3.5 本節(jié)小結(jié)
3.4 一種考慮端點效應的混合建模預測方法
3.4.1 研究背景及研究動機
3.4.2 EEMD-SBM—SVM混合模型的構(gòu)建過程
3.4.3 數(shù)據(jù)集來源及準確度檢測方法
3.4.4 實驗結(jié)果討論
3.4.5 本節(jié)小結(jié)
3.5 本章小結(jié)
4 時間序列多步預測及預測策略
4.1 引言
4.2 多步預測策略
4.2.1 迭代策略
4.2.2 直接策略
4.2.3 MIM0策略
4.2.4 MISMO策略
4.3 基于粒子群優(yōu)化算法和多輸入多輸出的策略研究
4.3.1 研究背景及研究動機
4.3.2 前向神經(jīng)網(wǎng)絡
4.3.3 離散型粒子群優(yōu)化算法
4.3.4 基于PSO和MISMO多步預測策略的構(gòu)建過程
4.3.5 實驗設計
4.3.6 實驗結(jié)果討論
4.3.7 本節(jié)小結(jié)
4.4 一種考慮端點效應的多步預測方法
4.4.1 研究背景及研究動機
4.4.2 文獻綜述
4.4.3 EMD-SBM-FNN多步預測模型的構(gòu)建過程
4.4.4 實驗設計
4.4.5 實驗結(jié)果討論
4.4.6 本節(jié)小結(jié)
4.5 基于多輸出支持向量機的多步預測方法
4.5.1 研究背景及研究動機
4.5.2 多輸出支持向量機
4.5.3 實驗設計
4.5.4 實驗結(jié)果討論
4.5.5 本節(jié)小結(jié)
4.6 本章小結(jié)
5 區(qū)間型時間序列預測
5.1 引言
5.2 基于多輸出支持向量回歸和螢火蟲算法的區(qū)間型時間序列預測方法
5.2.1 研究背景及研究動機
5.2.2 多輸出支持向量回歸及區(qū)間型股票價格指數(shù)序列
5.2.3 FA—MSVR區(qū)間型預測模型
5.2.4 實驗設計
5.2.5 實驗結(jié)果討論
5.2.6 本節(jié)小結(jié)
5.3 基于雙變量EMD和支持向量機的區(qū)間型時間序列預測方法
5.3.1 研究背景及研究動機
5.3.2 雙變量EMD技術及區(qū)間型電力需求序列
5.3.3 BEMD-SVM區(qū)間型預測模型
5.3.4 實驗設計
5.3.5 實驗結(jié)果討論
5.3.6 本節(jié)小結(jié)
5.4 基于復值徑向基函數(shù)神經(jīng)網(wǎng)絡與粒子群優(yōu)化算法的區(qū)間型時間序列預測方法
5.4.1 研究背景及研究動機
5.4.2 復值徑向基函數(shù)神經(jīng)網(wǎng)絡及區(qū)間型股票價格指數(shù)序列
5.4.3 DPSO/PSO-FCRBFNN的基本原理
5.4.4 實驗結(jié)果討論
5.4.5 本節(jié)小節(jié)
5.5 基于誤差修正模型和多輸出支持向量機的區(qū)間型時間序列預測方法
5.5.1 研究背景及研究動機
5.5.2 區(qū)間型混合預測模型及區(qū)間型農(nóng)產(chǎn)品期貨價格序列
5.5.3 實驗設計
5.5.4 實驗結(jié)果討論
5.5.5 本節(jié)小節(jié)
5.6 本章小結(jié)
6 全文總結(jié)
參考文獻

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) m.ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號