兩類時間序列模型預(yù)測的分析與研究.pdf

1、自然科學(xué)和社會科學(xué)各個領(lǐng)域中都會遇到大量的時間序列，對這些時間序列進行分析、建模和預(yù)測對于人們更好的掌握和控制未來行為有著重要的現(xiàn)實意義。本文首先介紹了時間序列分析的相關(guān)概念，其次介紹了幾種傳統(tǒng)的時間序列模型，并選用股價數(shù)據(jù)實例分析了基于ARIMA模型的建模和預(yù)測方法，結(jié)果表明ARIMA模型在描述股票市場價格波動特征方具有一定借鑒性，擬和預(yù)測的結(jié)果在一定程度上可以代表股票價格的走勢，但它只在短期趨勢預(yù)測方面有一定可行性，對于長期趨勢以及

2、突然上漲或下跌，就會表現(xiàn)出局限性。文章為了進一步提高預(yù)測精度，針對股票價格數(shù)據(jù)有很頻繁的小幅波動不具有分析和預(yù)測價值，根據(jù)小波在信號消噪方面的應(yīng)用，提出了一種基于小波消噪的數(shù)據(jù)預(yù)處理方法。將處理后的數(shù)據(jù)用于ARIMA模型預(yù)測，并將其與原預(yù)測模型進行比較。比較試驗結(jié)果發(fā)現(xiàn)，采用處理后的數(shù)據(jù)做模型預(yù)測的相對誤差更小，從而精度更高。 進一步的，針對右刪失數(shù)據(jù)條件下的AP(p)模型，為了提高模型的預(yù)測準(zhǔn)確度，文章介紹了EM算法及其改進并