emd組合預(yù)測(cè)模型的應(yīng)用研究

1、廈門大學(xué)學(xué)位論文原創(chuàng)性聲明本人呈交的學(xué)位論文是本人在導(dǎo)師指導(dǎo)下，獨(dú)立完成的研究成果。本人在論文寫作中參考其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，均在文中以適當(dāng)方式明確標(biāo)明，并符合法律規(guī)范和《廈門大學(xué)研究生學(xué)術(shù)活動(dòng)規(guī)范( 試行) 》。另外，該學(xué)位論文為( ) 課題( 組)的研究成果，獲得( ) 課題( 組) 經(jīng)費(fèi)或?qū)嶒?yàn)室的資助，在( ) 實(shí)驗(yàn)室完成。( 請(qǐng)?jiān)谝陨侠ㄌ?hào)內(nèi)填寫課題或課題組負(fù)責(zé)人或?qū)嶒?yàn)室名稱，未有此項(xiàng)聲明內(nèi)容的，可以不作特別聲明。)聲

2、明人( 簽名) ：緣石T 習(xí)2 0 1 2 年年月加日摘要本文主要研究一種可以用于非平穩(wěn)非線性時(shí)間序列預(yù)測(cè)的組合預(yù)測(cè)模型。首先通過(guò)經(jīng)驗(yàn)?zāi)B(tài)分解( E m p i r i c a lM o d eD e c o m p o s i t i o n ，E M D ) 將非平穩(wěn)非線性時(shí)間序列分解為一系列( I n t r i n s i c M o d e F u n c t i o n ，肌F ) I M F s 和趨勢(shì)項(xiàng)。在E M D分解

3、過(guò)程中不存在信息量的損失。這些分解出的序列仍然是非平穩(wěn)的或者非線性的，但是有很多方法可以處理這些被分解出的序列。通過(guò)一些人工智能方法分別對(duì)這些序列預(yù)測(cè)，然后把每個(gè)序列的預(yù)測(cè)值加總視為非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)值。首先介紹金融時(shí)間序列及非平穩(wěn)非線性時(shí)間序列的特點(diǎn)和研究現(xiàn)狀。處理非平穩(wěn)非線性時(shí)間序列的方法包括E M D 等方法。然后，文章回顧了E M D 研究及應(yīng)用情況。構(gòu)建組合預(yù)測(cè)模型后，模擬研究是一個(gè)必要的階段。模擬非平穩(wěn)非線性時(shí)間序列

4、是本文難點(diǎn)之一。由于非平穩(wěn)非線性時(shí)間序列的種類繁多，且非線性呈現(xiàn)多種形式，所以模擬研究非平穩(wěn)非線性時(shí)間序列的學(xué)者不多。在波動(dòng)率研究中有一類非平穩(wěn)非線性異方差( N o n - s t a t i o n a r y N O I l l h l e 孤H e t e r o s k e d a s t i c i t y ，N N H ) ，本文在N N H 的基礎(chǔ)上模擬非平穩(wěn)非線性時(shí)間序列。事后分析表明該模擬方法能夠很好的模擬非平穩(wěn)非線

5、性時(shí)間序列。文中使用的人工智能方法包括人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)。首先，介紹人工智能方法在時(shí)間序列中的預(yù)測(cè)模型。文中還提出一種兩階段神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè)模型。然后，模擬研究神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)個(gè)數(shù)對(duì)●神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的影響。結(jié)果表明≯在預(yù)測(cè)時(shí)間序列模型中神經(jīng)網(wǎng)絡(luò)的節(jié)點(diǎn)個(gè)數(shù)不宜過(guò)多。最后通過(guò)模擬研究和實(shí)證分析可知，基于E M D 的組合預(yù)測(cè)模型在非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)中可以取得良好的效果。E M D 和B o x ．J e n k i n s

6、 的組合預(yù)測(cè)模型的效果一般，因?yàn)锽 o x ．J e n k i n s 模型不能處理非線性時(shí)間序列。E M D ．A N N 組合預(yù)測(cè)模型比A N N 模型的預(yù)測(cè)效果提升很多，E M D ．T S A N N 在某些方面表現(xiàn)優(yōu)于E M D - A N N 模型。但是不能確定E M D ．A N N 和E M D ．S V M 哪個(gè)更好。總之，基于E M D 組合預(yù)測(cè)模型能夠很好的處理非平穩(wěn)非線性時(shí)間序列的預(yù)測(cè)問(wèn)題。關(guān)鍵詞：經(jīng)驗(yàn)?zāi)B(tài)分解