金融时间序列预测

作品数：50被引量：401H指数：12
导出分析报告
相关领域：经济管理自动化与计算机技术更多>>
相关作者：孙延风王静徐永红焦帅陈钟国更多>>
相关机构：电子科技大学西南财经大学大连海事大学辽宁师范大学更多>>
相关期刊：《计算机系统应用》《现代电子技术》《数据采集与处理》《计算机应用与软件》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国家重点基础研究发展计划更多>>
-
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：
用于金融时间序列预测的神经网络集成模型
《北京邮电大学学报》2025年第1期127-132,共6页张晗 王维国 
辽宁省科学技术计划应用基础研究计划项目(2023JH2/101600040);辽宁省教育厅基本科研项目(LJKMZ20221598)。
准确预测金融时间序列数据对金融市场的运行和管理起着重要作用。基于神经网络和集成学习思想,将卷积神经网络(CNN)、长短期记忆(LSTM)网络以及自回归移动平均(ARMA)模型在集成框架中进行组合,提出一种新的用于预测金融时间序列数据的AR...
关键词：金融时间序列 卷积神经网络 长短期记忆 自回归移动平均 集成预测模型 
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 
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 
基于CEEMDAN-VMD-LSTM的超高频金融时间序列预测被引量：9
《计算机时代》2023年第5期102-108,共7页闫勇志 沐年国 
对超高频金融数据的预测,模态分解降低了数据的噪声,提高了数据预测精度。据此提出了自适应噪声的完整集合经验模态分解(CEEMDAN)与变分模态分解(VMD)相结合的二次分解模型。先将期货日度行情数据通过CEEMDAN一次分解,并通过样本熵将分...
关键词：超高频金融数据 CEEMDAN VMD 二次分解 
粒子群支持向量回归在金融时间序列预测中的应用
《理论数学》2023年第4期948-956,共9页陈小铜 
金融时间序列一直以来以其非线性、非平稳、信噪比低等特性成为时间序列预测中的难题。支持向量回归(SVR)在对时间序列进行预测时会有模型不稳定、预测精度不高等问题。上述问题的部分原因是模型中的参数选取可能会对预测结果造成影响,...
关键词：粒子群优化算法 支持向量回归 金融时间序列 
基于信号分解降噪的CNN-BiLSTM金融市场趋势预测
《成都信息工程大学学报》2023年第1期28-36,共9页戴宇睿 安俊秀 李焯炜 
国家自然科学基金资助项目(71673032)。
随着金融时间序列数据日趋复杂,如何捕捉金融数据未来多天的趋势变化成了难题。针对该问题提出了基于信号分解降噪和注意力机制的CNN-BiLSTM金融市场趋势预测模型(attention-based DWT-VMD-CBiLSTM)。首先利用离散小波变换(DWT)对原始...
关键词：金融时间序列预测 离散小波变换 变分模态分解 CNN 双向LSTM 
融合经验模态分解与线性Transformer的高频金融时间序列预测被引量：2
《现代电子技术》2022年第23期121-126,共6页文馨贤 
随着深度学习的发展,神经网络模型已被广泛应用于期货等金融资产价格序列预测研究工作中。当前的研究以低频数据为主,针对非线性、非平稳、高噪声的高频数据的预测准确率还有待提升。因此,提出CEEMDAN_Linformer模型,通过引入“分解⁃重...
关键词：金融时间序列 经验模态分解 神经网络 深度学习 线性Transformer 高频数据 价格预测 期货 
基于多源数据深度融合的金融时间序列预测被引量：4
《统计与决策》2022年第23期52-56,共5页刘颖 李惠迪 谭博元 
国家社会科学基金资助项目(20BTJ062)。
文章提出一种双阶段深度学习的金融时间序列预测模型,研究股民评论、金融新闻资讯与股票指标多源数据对股票市场波动的影响。该模型运用word2vec并结合卷积神经网络对非结构化文本数据进行情感分析,计算情感权重并与股票指数联合;通过...
关键词：深度学习 多源数据 情感分析 金融时间序列预测 
基于二次分解与LSTM的金融时间序列预测算法研究被引量：5
《重庆邮电大学学报（自然科学版）》2022年第4期638-645,共8页程文辉 车文刚 
现有结合特征提取与预测模型的方法不能准确把握金融时间序列的混沌性与交互性,导致预测精度不高。针对此问题,提出一种基于二次分解与长短期记忆(long short term memory,LSTM)网络的金融时间序列预测算法。使用变分模态分解方法与集...
关键词：二次分解 金融时间序列 长短期记忆(LSTM)网络 因子分解机 
基于ARIMA-LSTM模型的金融时间序列预测被引量：37
《统计与决策》2022年第11期145-149,共5页次必聪 张品一 
国家自然科学基金青年项目(61703010);北京市社会科学基金资助项目(21JJB006)。
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表,以非线性组合的方式,构造了一种新的ARIMA-LSTM组合模型,对三种金融时间序列进...
关键词：金融时间序列预测 LSTM神经网络 ARIMA模型 非线性组合 
全选清除导出
共5页<12345>
检索报告 对象比较 聚类工具 使用帮助 返回顶部