- 年份
- 2024(8443)
- 2023(12445)
- 2022(10165)
- 2021(9490)
- 2020(8030)
- 2019(18619)
- 2018(18133)
- 2017(35046)
- 2016(18390)
- 2015(20817)
- 2014(20221)
- 2013(19680)
- 2012(17730)
- 2011(15640)
- 2010(15717)
- 2009(14654)
- 2008(12938)
- 2007(11013)
- 2006(9401)
- 2005(8050)
- 学科
- 济(72125)
- 经济(72050)
- 管理(52482)
- 业(51744)
- 企(44344)
- 企业(44344)
- 方法(38017)
- 数学(34313)
- 数学方法(33664)
- 融(26656)
- 金融(26654)
- 中国(24311)
- 银(24113)
- 银行(24085)
- 行(23257)
- 财(20242)
- 农(18041)
- 业经(16107)
- 制(15444)
- 地方(14536)
- 务(14032)
- 财务(13976)
- 财务管理(13945)
- 学(13793)
- 理论(13648)
- 企业财务(13316)
- 贸(12580)
- 贸易(12566)
- 农业(12361)
- 易(12289)
- 机构
- 学院(249244)
- 大学(248207)
- 济(101053)
- 经济(99047)
- 管理(98427)
- 理学(86123)
- 理学院(85284)
- 管理学(83323)
- 管理学院(82902)
- 研究(79104)
- 中国(65847)
- 京(50734)
- 科学(48904)
- 财(45989)
- 农(41903)
- 中心(39860)
- 业大(38523)
- 所(38509)
- 财经(37534)
- 江(35628)
- 研究所(35400)
- 经(34360)
- 农业(33301)
- 经济学(31933)
- 北京(31015)
- 范(29406)
- 院(29274)
- 师范(28948)
- 经济学院(28919)
- 州(28846)
- 基金
- 项目(178473)
- 科学(141421)
- 基金(131458)
- 研究(126633)
- 家(115796)
- 国家(114895)
- 科学基金(99748)
- 社会(80585)
- 社会科(76622)
- 社会科学(76599)
- 省(70371)
- 基金项目(68696)
- 自然(66775)
- 自然科(65368)
- 自然科学(65350)
- 自然科学基金(64164)
- 教育(59877)
- 划(59512)
- 资助(55204)
- 编号(50062)
- 重点(40784)
- 部(39243)
- 成果(38747)
- 创(38690)
- 发(38212)
- 创新(36129)
- 科研(35200)
- 课题(34573)
- 教育部(33983)
- 国家社会(33910)
共检索到356173条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 预测
[作者]
唐黎 潘和平 姚一永
本文提出一种金融时间序列预测的数据降维与信息融合计算智能模型-PANK模型。该模型由三个部分组成:(1)主成分分析(Principal Component Analysis,PCA),用于减少冗余信息;(2)仿射传播聚类(Affinity Prop-agation,AP),用于找到聚类中心和相应的聚类作为特征提取;(3)嵌套式k-最邻近元(Nested k-Nearest Neighbor,Nested KNN)用于回归预测。PANK模型先采用滑动窗口技术截取最近期的金融时间序列作为输入数据,再经过PCA减少冗余信息,提取富含有效信息的主成分,并将其放入AP中进行聚类,最后采用两层嵌套式NestedKNN预测。本文特别提出了一种新的嵌套式Nested KNN,可以有效解决KNN中的两个主要问题:计算量大和不均衡样本问题。通过对模型在欧元兑美元汇率和中国沪深300股指上的实证,结果表明PANK预测模型可达到80%的最佳命中率。
[期刊] 统计与决策
[作者]
次必聪 张品一
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行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
[期刊] 统计与决策
[作者]
江雨燕 邵金 陈梦凯 王付宇
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。首先将该金融时间序列进行EEMD分解，其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测，最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析，结果表明，所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681，具有更高的预测精度与适用性。
[期刊] 数理统计与管理
[作者]
陈艳 石智慧
为提高金融时间序列的预测精度,本文提出了基于MODWT、MCP变量选择方法和RELM_Adaboost的混合预测模型。该模型由三步构成:第一步,收集特征变量,包括MODWT分解得到的特征变量以及常用的技术指标;第二步,利用MCP惩罚方法从上述特征变量中选取重要的作为输入变量;第三步,利用Mnet惩罚正则化ELM,将RELM视作弱预测器,然后用Adaboost算法生成强预测器进行预测。实证结果显示:第一,经过MCP方法的筛选,最终的输入变量中不仅包含常用技术指标,还有小波分解所得的变量。第二,混合预测模型RELM_Adaboost有良好的泛化误差表现。本文提出的模型在量化交易时代具有良好的应用前景。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 统计与决策
[作者]
王巍 赵国杰 毕星
文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值。证券市场实证研究表明该模型可以准确预测金融时间序列。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 统计与决策
[作者]
刘遵雄 周天清
由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。
关键词：
HRM 金融时间序列 建模 预测
[期刊] 统计与决策
[作者]
田宗浩 顾国华 王鹏 王常青
文章通过分析传统的加权模糊时间序列模型和广义模糊时间序列模型,指出了需要考虑的模糊状态的确定方法和建立模糊关系矩阵中的不足。结合模糊集理论中λ强截集的性质,重新定义所要考虑隶属度对应的模糊状态和模糊逻辑关系矩阵的建立过程,建立基于λ强截集的广义模糊时间序列模型。以Alabama大学22年的入学人数为例,利用均方误差MSE和泰尔不等系数TIC对比分析本文提出模型与传统加权模型和广义模型的预测精度以及考虑λ取不同阈值时模型预测精度的变化情况,验证本文建立模型的可行性和有效性。
[期刊] 统计与决策
[作者]
戴稳胜 吕奇杰 David Pitt
建本研究结合小波转换与支持向量回归,提出一个二阶段时间序列预测模型。先以离散小波分解与重组对金融时间序列数据进行预处理,再以SVR建立预测模型。
[期刊] 统计与决策
[作者]
聂淑媛
文章基于1992—2020年的季度GDP数据，实证分析了新冠肺炎疫情事件的异常影响效应，探讨了两大重要分解因素——季节因素和趋势因素之间极强的交互性。根据GDP序列的特点，分别选取三参数指数平滑乘法模型、SARIMA(1,1,1)×（0,1,1）_4模型、阶梯干预模型和X-12-ARIMA模型进行建模，并依据MAPE等评价指标，得到了相对最优拟合模型——X-12-ARIMA模型。预测结果显示，我国具有良好的经济发展前景。
[期刊] 统计与决策
[作者]
陈镇坤 刘金山
文章首先对时间序列自回归(AR)模型进行贝叶斯分析,并基于居民消费价格指数(CPI)建立贝叶斯时间序列预测模型。接着,构造基于Gibbs抽样的MCMC数值计算对模型进行仿真分析,对ARI模型和BARI模型的预测准确性进行比较。探讨了一种基于专家先验信息下对CPI预测结果的进一步贝叶斯推断方法。
[期刊] 统计与决策
[作者]
赵秀丽 赵俊龙
本文基于B样条函数最小二乘法的非参数回归与时间序列方法相结合,建立了时间序列的预测模型。该方法有较高的预测精确度,可以描述复杂模型,并且用实例进行了分析。
[期刊] 统计与决策
[作者]
王佳
GM(1,1)是较常用的时间序列预测模型。文章在借鉴运用时间序列和GM(1,1)预测模型的理论基础上,实证研究了京津冀地区国际旅游人次数的发展趋势。笔者根据2000-2008年京津冀国际旅游人次数的原始时间序列数据,通过GM(1,1)模型对各因素进行关联度分析,并对原始数据进行生成处理,形成有较强规律性的新数据序列,然后建立相应的微分方程模型,预测了2009-2013年京津冀国际旅游人次数的未来发展趋势,也再次验证了GM(1,1)预测模型是建模精度等级为二级的合格模型。
[期刊] 统计与决策
[作者]
陈涛
支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局部极小等问题。文章利用支持向量回归机对时间序列进行了预测,并对模型选择和参数优化进行了研究。仿真试验表明预测结果是合理的,并具有较高的预测精度。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
