基于小波变换的时间序列预测.pdfVIP

基基于于⼩⼩波波变变换换的的时时间间序序列列预预测测 本⽂的主题是考察⼩波变换在预测⽅⾯的应⽤。 思路将数据序列 ⾏⼩波分解，每⼀层分解的结果是上次分解得到的低频信号再分解成低频和⾼频两个部分。如此 过N层分解后源信号X被分解 为 ： X = D 1 + D2 + ... + DN + AN 其中D 1,D2,...,DN分别为第⼀层、第⼆层到等N层分解得到的⾼频信号，AN为第N层分解得到的低频信号。 本⽂⽅案为对D 1,D2...DN和AN分别 ⾏预测，然后 ⾏⼩波重构实现对源信号的预测。步骤如下 ： （1）对原序列 ⾏⼩波分解，得到各层⼩波系数 ； （2）对各层⼩波系数分别建⽴ ARMA 模型，对各层⼩波系数 ⾏预测 ； （3）⽤得到的预测⼩波系数重构数据。 ⼀、分解选取数据为A股2014-01-01到2016-04-21数据，最后 10天数据⽤来预测。其余数据⽤于建模。 ⼩波函数取db4，分解层数为2。对数据 ⾏分解 ⼆、对各层系数建⽴ARMA模型并重构 image