金融时间序列

作品数：248被引量：990H指数：14
导出分析报告
相关领域：经济管理更多>>
相关作者：张世英周天清蔡青林陈蕾英陈岭更多>>
相关机构：东南大学天津大学哈尔滨工业大学西南财经大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金教育部人文社会科学研究基金国家社会科学基金广东省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
金融时间序列的自适应贝叶斯在线变点检测
《统计研究》2025年第1期145-160,共16页朱映秋 郑畅 张波 
国家自然科学基金面上项目“面向中小微企业金融信息服务的网络结构数据建模及应用”(72271232);国家自然科学基金青年项目“基于支付数据的中小微企业行为模式聚类分析”(72301070);教育部人文社会科学重点研究基地重大项目“数字时代的统计学理论与方法研究”(22JJD110001);对外经济贸易大学中央高校基本科研业务费专项资金资助项目(CXTD14-05);中国人民大学校级计算平台支持。
快速识别金融时间序列数据流中的变点有助于判断时序数据的趋势变化、动态更新时序分析模型,从而为金融市场中的投资决策、风险管理提供及时可靠的决策支持。然而金融时间序列常表现出复杂或剧烈的波动,如何对金融时序数据进行稳健的在...
关键词：在线变点检测 金融时间序列 贝叶斯变点检测 自适应变点检测 
可解释性分层神经模糊网络的股票价格预测算法
《计算机工程与设计》2024年第12期3615-3621,共7页廖宏昊 胡峰 邓维斌 
重庆市自然科学基金项目(cstc2021ycjh-bgzxm0013);重庆市教委重点合作基金项目(HZ2021008)。
针对现有的股票价格预测模型难以兼顾精度与可解释性的问题,提出一种基于分层神经模糊网络的股票价格预测模型。提出一种结合注意力机制的自适应神经模糊网络单元(ANFIS-A),以此单元构建分层自适应神经模糊网络;结合二进制灰狼优化算法(...
关键词：灰狼优化算法 层次自适应模糊神经网络 注意力机制 股票价格预测 可解释性 金融时间序列 规则消除 
基于iTransformer模型的金融时间序列预测
《产业创新研究》2024年第15期122-124,共3页王钰涵 梁志勇 
金融时间序列的准确预测是经济政策制定者和投资者密切关注的焦点。本文选用工商银行作为金融时间序列的代表,用一种新颖的神经网络模型iTransformer对工商银行的股票价格进行预测。同时,将统计模型ARIMA、神经网络模型LSTM和Transforme...
关键词：金融时间序列预测 iTransformer LSTM TRANSFORMER ARIMA 
宏观不确定性与资产价格的波动溢出效应研究——基于金融时间序列波动性模型油脂类农林产品期货价格分析
《林业经济》2024年第5期49-63,共15页周秀莲 
福建省自然科学基金面上项目“经济政策不确定性对中国A股特质波动的影响机理、传染效应与对策研究”(2022Jo1986)。
近年来,国内外经济环境的不确定性对中国期货类金融市场影响越来越显著。研究油脂类农林产品期货市场的波动溢出影响,对加速农林产品金融化和防范系统性金融风险、凸显农林产品期货市场管理价格风险的作用等具有重要意义。文章利用中国2...
关键词：油脂类农林产品期货 波动溢出效应 VAR-BEKK-GARCH模型 
浅谈数据挖掘中金融时间序列的粗糙聚类
《湖北开放职业学院学报》2024年第8期150-152,共3页施力文 刘栋 姚宁 
河北省高等学校科学技术研究项目“基于深度学习的无线传感器网络能耗与频谱资源协同优化算法研究”(项目编号:QN2019338);沧州市重点研发计划自筹项目“面向车联网的无线传感器网络频谱资源优化算法研究”(项目编号:204102008);天津天狮学院教学改革与研究项目“‘大数据’背景下电子商务专业双创教育模式构建”(项目编号:J22004)。
金融时间序列分析与预测作为金融领域重要研究方向,对于揭示市场动态、指导投资决策以及维护金融稳定具有关键意义。然而,金融时间序列数据具有复杂性、高噪声等特点,使得传统聚类方法在处理这些问题上往往存在局限性。粗糙聚类作为一...
关键词：金融时间序列 数据挖掘 粗糙聚类 
基于改进深度学习的金融时间序列波动率研究
《计算机应用文摘》2024年第6期101-104,共4页赵哲玮 
线性模型和传统神经网络模型是常用的传统金融时间序列预测方法,但在非线性、非平稳的金融时间序列预测中存在一定的局限性。对此,文章提出了一种改进的深度学习模型。该模型结合了卷积神经网络和长短时记忆网络,可以有效捕捉金融时间...
关键词：深度学习 算法优化 金融时间序列 波动率 预测 
金融时间序列的波动持续性与优化投资组合关系——基于GARCH(1,1)模型矩的视角
《现代商业》2024年第4期105-108,共4页李宛洁 
GARCH(1,1)模型是最具代表性的ARCH族模型,而ARCH族模型是描述金融时间序列波动持续性特征最为广泛使用的模型,因此对GARCH(1,1)模型进行研究具有很强的理论和实际意义。本文基于矩的角度对GARCH(1,1)模型描述的波动持续性进行了研究并...
关键词：GARCH(1 1)模型 2m阶矩 优化投资组合 波动持续性 
稀土资本市场的量化波动——《产业链视角的稀土上市公司股价波动量化因果关系研究》书评
《资源与产业》2024年第1期182-182,共1页安海忠 
关于稀土的研究在我国尤其常见,关于资本市场、股票市场等金融时间序列波动关系的研究在国内国际也都有大量研究,董志良、高湘昀教授的研究成果——《产业链视角的稀土上市公司股价波动量化因果关系研究》一书,运用了先进的量化因果研...
关键词：经济科学出版社 金融时间序列 股价波动 股票市场 稀土上市公司 因果关系研究 产业链视角 股票波动 
融合分解集成和深度学习的金融时间序列预测模型被引量：3
《统计与决策》2023年第24期152-156,共5页江雨燕 邵金 陈梦凯 王付宇 
国家自然科学基金面上项目(71872002);安徽普通高校重点实验室开放基金项目(CS2022-ZD02,CS2023-ZD02)。
由于金融时间序列具有高度非线性、不稳定性等特点,单一预测模型的预测精度受限。文章将集成经验模态分解(EEMD)技术和长短期记忆网络(LSTM)相结合,同时融入麻雀搜索算法(SSA)优化神经网络参数,构建了EEMD-SSA-LSTM混合预测模型。首先...
关键词：金融时间序列 预测 LSTM 麻雀搜索算法 
基于CEEMDAN-GAN的金融时间序列预测建模研究被引量：1
《淮南师范学院学报》2023年第6期48-55,共8页王认真 陈尹 邱凤鸣 
近年来,深度学习模型不断地被应用于时间序列的预测之中,而且效果显著。文章将自适应噪声完备集合经验模态分解(CEEMDAN)和随机森林算法引入到时间序列预测建模之中,提出了一种基于CEEMDAN-GAN的金融时间序列预测模型;以美元兑人民币汇...
关键词：CEEMDAN-GAN 时间序列 自适应噪声完备集合经验模态分解 预测建模 
全选清除导出
共25页<12345678910>
检索报告 对象比较 聚类工具 使用帮助 返回顶部