基于COPULA方法提取非線性時間序列的趨勢項.pdf_第1頁
已閱讀1頁,還剩30頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、本文對運用動力系統(tǒng)方法研究預測非線性時間序列的問題進行了探討,并主要針對其中時間序列提取趨勢項在方法上有所創(chuàng)新。 文中研究的對象是美國證券市場這個復雜系統(tǒng),通過對標準普爾和NASDAQ指數時間序列進行觀測,尋找復雜系統(tǒng)中蘊藏的函數關系,具體而言,先是利用Copula函數的方法構造衡量模型,并提取該時間序列的趨勢項,進而以時間序列的趨勢項為數據尋找復雜系統(tǒng)中蘊藏的函數關系,在尋找函數關系時論證了美國證券市場是一個具有混沌特征的復雜

2、系統(tǒng),最終確定使用動力系統(tǒng)方法對證券市場指數進行了短期的預測。 本文內容具體安排如下: 第一章:首先簡要介紹了Copula函數、經驗Copula函數的定義以及Sklar定理等相關知識。 第二章:應用Copula函數方法構造了積分絕對誤差這一衡量模型,為下面提取時間序列的趨勢項做理論和方法上的準備。 第三章:為了研究美國證券市場這個復雜系統(tǒng),勢必要找到該系統(tǒng)內部蘊含的函數關系,以標準普爾和NASDAQ指數為

3、觀測時間序列,通過線性和分段線性的方法對提取過趨勢項的時間序列進行預測,結果表明該時間序列來自非線性有混沌特征的復雜系統(tǒng)。 第四章:這部分是本文的核心,在確定美國證券市場具有混沌特征之后,討論了混沌理論中的動力系統(tǒng)方法,通過對二維時間序列進行相空間重構最后尋找到復雜系統(tǒng)內蘊藏的函數關系,并對其進行了較好的短期預測。 第五章:闡述了本文的結論,用Copula函數構造的積分絕對誤差模型的方法來提取時間序列的趨勢項效果較好;美

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論