基于小波神经网络的非线性误差校正模型及其预测(精).docxVIP

第21卷第10期 Vol.21No.10 控制与决策 Con trol and Decisio n 2006年10月 Oct.2006 文章编号：100120920(2006)1021114205 基于小波神经网络的非线性误差校正模型及其预测 刘丹红a,张世英b (天津大学a理学院,b.管理学院，天津300072) 摘要:针对非线性系统的预测问题，在线性和非线性协整理论涵义的基础上，提出 利用小波神经网络进行非线性协整系统的非线性误差校正模型的研究 ，并给出该模 型的建模方法.对沪深股市进行实证研究，与线性向量自回归模型进行比较.研究证 明,小波神经网络所建立的非线性误差校正模型有较好的预测效果，能够有效地预 测非线性经济系统. 关键词:协整;非线性协整；小波神经网络；；VA模型中图分类号：F830 文献标 识码:A No nlin eara ndForecasti ngBasedo nWaveletLIUDa n2ho ng,ZHANGShi2yi ng a b (a.SchoolofScie ne,b.SchoolofMa nageme nt,Tianj inUni versity,Tia njin300072,Ch in a.Corr esp onden t:LIUDa n2ho ng,E2mail:liuda nhon g@) Abstract:Theforecasti ngproblemofthe non li nearsystemisdiscussed.Usi ngwavelet neural ne tworkapproach, non li nearerrorcorrectio nm odelofn on li nearcoi ntegrati on systemisstudiedb asedo nthesig nificati onoflin eara ndnon li nearcoi ntegrati on .Themodeli ngmethodofno nli ne arerrorcorrectio nm odelisproposed.TheSha nghaia ndShe nzhe nstockmarketsarea nalyzed.T heresultsvalidatemorevalidity ofnon li nearerrorcorrect ionm odel on thewavelet neura In etwo rktha nli nearvectorautoregressivemodel,a ndforecastvalidlythe nonlin eareco no mysystem. Keywords:Co in tegratio n;Non li nearco in tegrati on; Wavelet neura In etwork;N on li nearerror correct ionm odel;VARmodel 1引 言 文献通过协整系统的表现定理指出协整系统具有 3种主要的表现形式，即向量 自回归(VAR)模型、向量移动平均(VMA)模型和误差校正模型(ECM).协整的概念 是假设向量时间序列中每个分量序列都是单整的，如果这些分量序列的某种线性组 合是一个平稳序列，那么这些分量称为协整的.所以向量时间序列中的协整关系反 映了多变量时间序列的发展趋势，描述的是分量序列之间的长期线性均衡关系，并 且可以通过误差较正模型表现出来.误差校正模型克服了传统时间序列建模的缺点 它不 收稿日期：2005206227修回日期：2005210221. 基金项目：国家自然科学基金 项目. 仅反映了水平序列的长期均衡关系，而且可以避免伪回归现象?基于线性协整技术 的ECM用来提高经济预测质量方法，使得协整技术广泛应用于经济预测中[1?3]. 然而,对于非线性市场，线性协整理论对于数据的拟合与预测有着明显的局限性 . 非线性协整关系普遍存在于时间序列中，非线性协整关系使预测非线性经济系统成 为可能[4,5].近年来,小波分析以其良好的时频特性成为数据处理和非线性系统辨 识中的重要工具.小波神经网络具有任意逼近非线性函数的能力，同时由于小波变 换良好的时频特性，可以通过对尺度参数和平移参数的训练更快、更好地逼近非线 性函数. 本文进一步提 作者简介:刘丹红(1972—),女，吉林榆树人,讲师,博士,从事数量经济的研究；张 世英(1936—)，男，北京人，教授， 博士生导师,从事系统工程、数量经济等研究. 第10期刘丹红等： 基于小波神经网络的非线性误差校正模型及其预测 1115 出利用小波神经网络进行非线性误差校正模型 (NECM)的研究,给出非线性误差校 正模型的建模方法，