基于分形插值与机器学习模型的股指分析和预测

股票市场预测一直是金融市场分析中的热点和难点,一些传统的预测模型很难对股票市场做出有效的预测;针对这一问题,将分形插值方法与机器学习算法相结合,提出了分形插值与SVM以及分形插值与BP神经网络两种混合模型;所提的混合模型利用机器学习算法首先计算出分形插值所需要的插值点,然后建立分形插值外推模型对所需其他值进行预测;实证结果发现两个混合模型的预测效果均比单独使用分形插值模型预测效果更佳,预测精度更高;因此分形插值方法与机器学习算法相结合所得到的混合模型,能较好地预测诸如股票市场指数等非平稳金融时间序列。     

基于分形插值的ARIMA大坝预警模型

针对ARIMA模型对含有缺失值的时间序列进行拟合预测会产生较大的误差,将分形插值与ARIMA模型相结合运用在大坝安全监测中.首先利用分形插值能通过分形物体的部分信息得出其整体形态的特点,对原始数据进行插值计算,然后建立ARIMA时间序列模型并进行预测.以小湾坝顶某监测点径向位移为例,建立基于分形插值的ARIMA模型,并与实测值比较.计算结果表明,插值后的ARIMA模型较原始模型的拟合和预测精度更高.     

基于BP神经网络的股票价格预测

影响股票价格变动的因素有很多,且股票数据具有高度的非线性和时变性等特征,因而采用经典线性时间序列模型可能无法完全提取非线性部分的信息.针对这一问题,建立了BP神经网络模型、PCA-BP神经网络模型、GA-BP神经网络模型和ARIMA(6,1,6)模型对上证综合指数的收盘价格进行预测.计算各预测模型下的统计指标RMSE和MAE,并对4个模型进行对比分析.结果表明,GA-BP神经网络预测模型与其它三种模型相比具有更小的误差,也就是说GA-BP神经网络预测模型对上证综合指数的收盘价格预测效果更好.     

多尺度小波聚焦下金融信息的自相似性

通过对上海证券市场综合指数的多分辨率分析,发现了在细尺度下,上海证券市场综合指数的运行呈现出一定的周期性.利用小波变换细尺度下的局部极大模来检测其奇异性和边缘,发现了其周期的存在.证实了上海证券综合指数的时间序列是包含了某种随机自相似性的分形.为小波理论在经济学上的应用提供了一个有益的探讨.     

证券市场中的混沌分形现象与多分形走动

利用混沌分形动力学原理功率谱分析、相空间重构和多分形理论等方法,以上海证券综合指数为例对证券市场中股票价格的变动进行了分析和探讨,证明了其波动是具有内在随机性的混沌分形现象·通过对数据进行Lyapunov分析、Poincar啨截面和相空间重构,得到了上海证券综合指数的动力学模型,刻画了系统的混沌特性,为利用混沌分形理论研究和发展现代金融模型提供了一个新的研究和探讨方法·     

基于GMDH的宏观经济短期预测模型

传统的宏观经济短期预测研究通常基于定量或定性预测模型,而GMDH 算法兼具定性定量的特点,建立了基于GMDH 自回归模型的混合预测模型数学模型来进行宏观经济短期预测,应用相关的统计数据做实证分析,将所得结果与传统GMDH模型、二次自回归模型进行了比较.结果表明,本文提出的混合预测模型具有良好的预测精度,是一种有效的宏观经济短期预测手段.     

分形小波在外汇投资市场中的应用

为分析和预测未来外汇市场行情的变化趋势、为外汇理财提供决策依据,通过小波变换和多分辨分析对外汇市场进行研究,发现外汇价格的变化服从自相似性,具有分形的特征.文中提出了外汇序列分形插值模型,并构造了预测外汇市场趋势的插值迭代算法.通过实际计算分析,发现利用分形插值方法逼近外汇曲线,要比传统插值方法优越.该方法可以预测未来外汇行情变化趋势.     

基于分形理论的复旦人民币汇率指数的预测分析

运用R/S分析法和Hurst指数对复旦人民币实际有效汇率指数的结构特征进行分析,发现市场具有状态持续性和分形分布的特征;同时建立分形插值模型描绘其在一段时间内的变化规律,并预测短期内的指数走势,发现与原数据走势基本一致,且其平均标准误差仅为2.618%.结果表明,运用Hurst指数来估计垂直比例因子和利用分形插值模型预测复旦人民币汇率指数均是可行的.     

注意力机制下的EMD-GRU短期电力负荷预测

为进一步提高短期电力负荷预测精度,构建一种基于注意力机制的经验模态分解(EMD)和门控循环单元(GRU)混合模型,对时间序列的短期负荷进行预测.首先,对负荷序列进行EMD,将数据重构成多个分量;再通过GRU提取各分量中时序数据的潜藏特征;经注意力机制突出关键特征后,分别对各分量进行预测;最后,将各分量的预测结果叠加,得到最终预测值.仿真结果表明:相对于BP网络模型、支持向量机(SVR)模型、GRU网络模型和EMD-GRU模型,基于EMD-GRU-Attention的混合预测模型能取得更高的预测精度,有效地提高短期电力负荷预测精度.     

H-W指数平滑法预测豫北地下水水位

借助R软件将监测点水位原始数据绘图,分析出序列有下降趋势,分解原序列,利用Holt-Winters指数平滑法进行地下水短期和长期预测,并进行比较.结果表明,此模型的短期预测较好,在未来研究中,对于长期预测可以将函数型数据与神经网络或者其他的预测模型相结合,使预测结果达到最优.     

基于变维分形的股票指数预测模型

为了解决投资者提出的希望能够寻找一种易于实现的预测方法来提高股票指数短期预测精度的问题,采用变维分形、累计和变换对数据进行分析,预测时对上证指数的原始数据进行一系列变换以及分析后,从中选择一种能够与模型符合良好的最优变换来确定相应的分形参数,即能用分形分布处理变换后的数据。给出了用分形方法对上证指数进行短期预测的实例并结合数值模拟图形进行比较分析,经研究得出基于分形维的预测方法对于股票指数的短期预测精度较高,并且对短期预测具有很好的研究价值和广阔的应用前景。     

基于XGBoost的短时交通流预测模型

为提高路段短时交通流的预测精度,选取路段平均旅行时间作为预测指标,建立了一种基于极端样度上升(extrem gradient boosting,XGBoost)的短时交通流预测模型。首先通过对交通流数据的分析,在考虑交通流时空特性的基础上,分别构建目标路段时间序列训练集、测试集以及时空序列训练集、测试集,然后基于XGBoost模型以及构建的训练样本集建立时间序列预测模型以及时空序列预测模型,并利用训练好的模型进行预测,最后将模型预测结果与线性回归模型、神经网络模型预测结果进行比较。实验结果表明:基于XGBoost的短时交通流预测模型能够对路段未来时段平均旅行时间进行比较准确的预测,其中时间序列预测模型均方根误差为5. 32,时空序列预测模型均方根误差为4. 82,均低于线性回归模型和神经网络模型,且相比于仅考虑时间因素的短时交通流预测模型,同时考虑时空因素的预测模型得到的误差更低,预测效果更好。     

基于时序模型的股指序列分析

根据计量经济时序模型,基于2005～2009年沪深两股市的数据和统计软件EVIEWS,将计量模型与分形维数相结合,利用股指的高维混沌特征,以L-P算法确定了分形维数。运用向量自回归VAR模型,对沪深两个股市进行了单位根检验,根据AIC和SC信息准则确定滞后阶数,并对股市的未来趋势进行了有效地动态和静态预测,得出了较为合理的结果。     

区间型金融时间序列的长记忆性研究

研究金融时序的长记忆性能够帮助人们更加准确地刻画金融市场的特征,而在现有研究中,有关区间型金融时序长记忆性的研究很少。因此,考虑了区间型金融时序蕴含的长记忆性特征及其基于现有实值金融时序长记忆性建模的区间值时序预测模型,首先,将区间数表示成区间中心和区间半径的形式;然后分别对中心和半径序列进行长记忆性检验,并对具有长记忆性的序列进行组合预测;最后,以上证综指和深证综指的区间股指为实证对象进行验证。实证结果表明:上证综指的区间股指具有明显的长记忆性,且组合预测能够显著提高区间型金融时序的预测精度。     

基于主成分分析和长短期记忆网络的滑坡地表位移监测数据缺失插补算法

在滑坡地表位移监测过程中,由于设备工作异常或恶劣气候的干扰,原始数据会随机出现长时间序列的缺失,这类数据对滑坡的预警和预测有很大的影响。针对上述问题,提出了一种基于主成分分析(principal component analysis, PCA)和长短期记忆网络(long-short term memory, LSTM)的数据插补方法。首先利用PCA实现滑坡监测数据的降维和特征提取,消除数据间的相关性,然后建立基于LSTM的地表位移监测数据插补模型,对缺失数据进行插补。实验结果表明：该模型与BP(back propagation)神经网络等其他几种机器学习插补模型相比,平均绝对误差、均方根误差和平均绝对百分比误差分别为0.523、1.233和0.009,均优于其他几种模型;该模型能够较好地解决地表位移长时间序列数据缺失的问题。     

我国沪铜期货价格的分形统计

运用分形分布参数估计、函数盒维数以及多重分形分析等方法对我国沪铜期货价格时间序列进行了实证研究.结果表明,沪铜期货价格不服从正态分布,价格之间存在长记忆性,从而对有效市场假说提出了质疑.函数盒维数及多标度分析的结果揭示了期货价格的聚类特征及标度变化,说明用单一分形模型来描述期货价格是不充分的,多重分形分析方法为更好地描述期货价格的变化规律提供了有力的工具.     

上证指数和沪深300指数序列的R/S实证分析

运用重标极差分析法（R/S分析法）,分别研究上证综合指数和沪深300指数的日、月收益率数据序列以及开盘价、收盘价、最高价和最低价的股价时间序列的分形结构特征.给出了这些时间序列的Hurst指数、平均循环长度、相关指标和分形维数等分形特征量.实证分析结果表明,两个证券市场具有明显的分形结构,市场存在状态持续性,价格呈现周期性,4种形式的股价时间序列的分形维数具有近似同一性等特征.     

分形插值在砂体展布规律研究中的应用

本文提出了采用分形插值方法对砂体的展布规律进行研究,从全新的角度为油气勘探、开发提供更多的技术支持.分析论证了使用分形插值方法研究砂体展布的可行性,并以塔巴庙地区太原组砂体为例,做出了砂体展布的平面展布图和三维展布图,由此对砂体展布规律进行了预测,结果较符合工程实际.