《基于股指期货时间序列数据的预测原理和结构概述》4500字.docxVIP

基于股指期货时间序列数据的预测原理和结构概述

基于股指期货时间序列数据的预测是综合集成预测模型的一部分，这部分的预测结果为最后非线性集成的输入变量之一。金融数据的预测都是从历史数据开始，股指期货也不例外。通过对股指期货历史时间序列数据进行分析预测，可以得到基于历史规律的预测结果，这也是部分以往量化交易预测研究的方向，认为“市场能够包含一切信息”，所以从期指数据本身出发进行预测并构建交易策略。本文对于以往的金融数据预测方法分析之后，认为采取分解-聚类的方法进行预测能够得到更好的预测结果。

基于时间序列数据的预测模型基本原理

基于时间序列数据进行预估模型构建就是通过对历史时间序列数据的拟合来预估其价格的未来变动，而金融类时间序列又是充满噪声的、混沌的且非线性非稳定性，其噪声指的是“历史并不总是重演”，那些没有被获知的消息就组成投资者所认为的噪声序列，混沌则指的是其时间序列在短时间内看是不确定变化的，长期看是确定进行的[20]。随着时间的迁移，金融类时间序列数据的统计分类排布情况也在不断变化，因而具有非线性非稳定性[20]。

所以为了能够更好的对其时间序列数据进行特征提取，本文可以理解这一特征提取过程为信号分解，因此用信号处理的办法对历史的股指期货数据进行多维度的拆分，将时间序列中的频率波动高和频率波动低的时间序列分解出来，使得每一个时间序列分量都具有其规律性和线性特征，便于后续的预测。