小波神经网络预测股票价格课稿.ppt

时间序列研究的发展历史 1927年,英国统计学家G.U.Yule提出自回归(AR)模型 英国数学家、天文学家G.T.Walker在分析印度大气规律时使用了移动平均(MA)模型和自回归移动平均(ARMA)模型 1970年,美国统计学家Box和英国统计学家系统地阐述了对差分自回归移动平均ARIMA模型的识别、估计、检验及预测的原理及方法。 随着人们对各个领域时间序列的深入研究,发现经典模型在理论和应用上都还存在着许多局限性。 近20年来,统计学家纷纷转向适用于多变量、异方差和非线性的时间序列分析方法的研究,并取得了突破性的进展。 在异方差方面,美国统计学家，计量经济学家RobertEngle在1982年提出了自回归条件异方(ARCH) 1987年,英国统计学家!计量经济学家C.Granger提出了协整理论,进一步为多变量时间序列建模松绑，有了协整的概念之后,在多变量时间序列建模过程中,变量是平稳的不再是必须条件了,而只要求它们的某种线性组合平稳，协整观念的提出极大地促进了多变量时间序列分析方法的发展。 小波神经网络 目前,小波分析和神经网络的结合主要有松散型结合和紧凑型结合两种 松散型结合：把小波分析作为神经网络的前置处理手段,为神经网络提供输入特征向量。 紧凑型结合：把小波分析和神经网络直接融合,用小波函数或尺度函数直接作为神经元的激励函数。 神