基于小波分析的金融時间序列预测.docVIP

基于小波分析的金融时间序列预测 北京邮电大学 陶淼冰、唐子林、白杨 目录 摘要 1 1 问题的提出 2 2 传统方法及改进的方法 2 3 模型构造前的准备 3 3.1数据的来源 3 3.2 对数据的处理 3 3.2.1 标准化处理 4 3.2.2 收益率的定义 4 4 模型的建立（WBPAR模型） 4 4.1 建模思路 4 4.2 对原始数据进行小波分解 6 4.2.1 小波分析的基本理论 6 4.2.2 小波分解 9 4.3 时间子序列的预测 13 4.3.1 小波空间变换序列的预测 13 4.3.2 尺度空间变换序列的预测 14 4.4 预测数据的重构及检验 16 5 模型评价及改进方向 19 5.1 优点： 20 5.2 缺点及改进方向： 20 参考文献 21 摘要 本文以金融时间序列为研究对象，将小波分析应用于时间序列预测，并以美国SP500指数进行实证分析。首先，利用小波分析的时频分解特性，将时间序列分解到不同频率空间，得到具有不同稳定特性的空间映射。再分别利用神经网络自适应能力对时间序列的非线性分量进行模拟预测，与适用于平稳序列的自回归模型处理平稳分量的分析预测。具体来说，由Haar小波对序列进行分解得到了序列在各级小波空间与各级尺度空间的分量。其中，对于高频段的小波空间利用神经网络进行训练并对训练的系统进行预测；而在低频平稳的尺