一类非平稳济序列预测模型的研究.pdfVIP

中文摘要 首先在引言部分阐述了时间序列模型的发展历程及一些相关的研究成果， 就经济金融序列预测面临的若干问题进行分析，并对神经网络方法在经济中的 应用及优化作了介绍。 其次，以时间序列为研究对象，神经网络作为预测工具，遗传算法作为优 化手段，介绍了三者的基本理论及相互结合的原理．。并利用时间序列建模理论， 入层节点数，大大缩短了学习效率。 然后，鉴于非平稳经济金融序列(包括汇率、股票指数等)的信息有诸多 的随机性，存在很强的波动性和异方差性，而且不同时期影响因素不同，很难 ARIMA模型由于其简单性、可行性和实用性被广泛用于非平稳序列的预测．然 而对于一些经济金融序列，它很难完全反应和解释残差中的自相关性和异方差 性，对信息的不完全提取暗示了ARIMA模型的有限性。而人工神经网络对强 大的非线性动态系统具有较强的自学习，自组织和自适应能力，可以有效地在 数值上逼近时间序列内难以定量描述的相互关系，．同时有良好的柔性．本文将 二者有机的结合：先用ARIIIA模型对经济序列中的线性部分进行预测，提取确 定性信息，剩余残差含有的非线性特征信息用ANN模型提取，通过对模型参数 收盘价进行了预测。同时将适应于具有群聚波动和长记忆的非线性金融序列的 模型和GARCl4模型