組合模型對金融時間序列的分析及預(yù)測.pdf

1、時間序列分析預(yù)測是在假定事物的過去會同樣延續(xù)到未來，事物的現(xiàn)實(shí)是歷史發(fā)展的結(jié)果，而事物的未來又是現(xiàn)實(shí)的延伸的前提下根據(jù)市場過去的變化趨勢預(yù)測未來的變化。如何充分挖掘出過去時間序列中的影響現(xiàn)在及將來數(shù)據(jù)變化的方式，是建立時間序列模型所要考慮的問題。金融時間序列的分析及預(yù)測在現(xiàn)實(shí)生活工作中有著極其廣泛的應(yīng)用。如何更好地利用有效的模型挖掘出歷史數(shù)據(jù)中的生成機(jī)制，一直是人們所追求的目標(biāo)。
　　 在預(yù)測實(shí)踐中若只用一種預(yù)測方法進(jìn)行精確而可

2、靠的預(yù)測是有難度的。不同的預(yù)測方法會提供不同的信息，如果簡單地將預(yù)測誤差較大的一些方法舍棄，將可能會丟失一些有用的信息，這對信息是一種浪費(fèi)，而如果對單項模型進(jìn)行適當(dāng)?shù)慕M合，則可以有效發(fā)揮單項模型的優(yōu)點(diǎn)，彌補(bǔ)單項模型的不足，從而充分利用已有的信息資源，達(dá)到提高預(yù)測精度的目的。
　　 求和自回歸移動平均模型(簡稱ARIMA)及支持向量機(jī)回歸模型(簡稱SVR)是兩個重要且行之有效的分析及預(yù)測時間序列的工具。他們都能在一定程度上反映數(shù)據(jù)