- 年份
- 2024(5730)
- 2023(8380)
- 2022(7102)
- 2021(6584)
- 2020(5576)
- 2019(12980)
- 2018(12523)
- 2017(23941)
- 2016(12761)
- 2015(14517)
- 2014(14178)
- 2013(13831)
- 2012(12425)
- 2011(11311)
- 2010(11925)
- 2009(11369)
- 2008(10075)
- 2007(8941)
- 2006(8015)
- 2005(7236)
- 学科
- 济(50719)
- 经济(50670)
- 业(33904)
- 管理(33743)
- 企(29268)
- 企业(29268)
- 融(25862)
- 金融(25862)
- 方法(25632)
- 数学(23348)
- 银(23058)
- 银行(23031)
- 数学方法(22726)
- 行(22368)
- 中国(20287)
- 财(13336)
- 制(12469)
- 农(12166)
- 地方(11697)
- 业经(11381)
- 中国金融(11077)
- 理论(10941)
- 学(10876)
- 务(9231)
- 财务(9193)
- 财务管理(9175)
- 企业财务(8766)
- 贸(8757)
- 贸易(8744)
- 易(8551)
- 机构
- 学院(176283)
- 大学(175904)
- 济(69490)
- 经济(67883)
- 管理(64787)
- 研究(60868)
- 理学(55783)
- 理学院(55152)
- 管理学(53498)
- 管理学院(53227)
- 中国(52321)
- 科学(39221)
- 京(37599)
- 农(33075)
- 财(32095)
- 所(31803)
- 中心(30127)
- 研究所(29110)
- 业大(28123)
- 江(26681)
- 农业(26385)
- 财经(25360)
- 北京(23948)
- 经(23025)
- 范(22182)
- 州(22118)
- 院(22099)
- 师范(21805)
- 经济学(21778)
- 技术(20864)
- 基金
- 项目(120685)
- 科学(94223)
- 基金(86916)
- 研究(83658)
- 家(77718)
- 国家(77114)
- 科学基金(65609)
- 社会(51053)
- 省(48990)
- 社会科(48541)
- 社会科学(48526)
- 自然(44997)
- 基金项目(44491)
- 自然科(44062)
- 自然科学(44050)
- 自然科学基金(43237)
- 划(41838)
- 教育(40286)
- 资助(38426)
- 编号(32965)
- 重点(28483)
- 成果(26432)
- 发(26295)
- 创(25861)
- 部(25669)
- 课题(24591)
- 计划(24201)
- 创新(24193)
- 科研(23809)
- 大学(22404)
共检索到269207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] 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] 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] 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]
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]
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]
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] 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]
周德强
DDGM(1,1)模型和LS-SVM模型都是针对小样本进行预测的方法,文章根据DDGM(1,1)模型和LS-SVM模型结构特点上的相似性,将LS-SVM算法引入DDGM(1,1)模型,构建了一种基于DDGM(1,1)与LS-SVM算法融合的预测模型。该模型基于DDGM(1,1)模型作为建模原型,利用LS-SVM算法优化了DDGM(1,1)模型的参数估计方法,增强模型的推广性。实验表明,新模型充分发挥两种小样本预测技术的各自优势,实现了优势互补,对近似非齐次指数时间序列的预测具有较高精度。
[期刊] 地理科学进展
[作者]
赵长森 夏军 沈冰 张惠潼 孙常磊 侯志强 亚力昆
为了克服实际工作中常规预测模型的弊端,本文提出了水文序列解析-集成预测模型(Prediction Model based on Segregation and Aggregation of Hydrological Time Series,PMSAHTS),通过分离水文序列中的趋势信号和周期信号得到消除了人类活动影响的序列纯随机信号,然后通过随机因子预测预报方法(如BP神经网络)使用这些随机信号进行训练和仿真预测,将预测结果与趋势、周期预测结果重新集成,得到水文序列的预测值。将该模型应用到和田子项目区进行年内月平均蒸发量的预测,结果表明,PMSAHTS模型达到了水文情报预报规范的合格要求,可以用于实际预测。
[期刊] 数理统计与管理
[作者]
朱涛 卢建 江孝感
金融资产收益率具有两个明显的特征,即尖峰厚尾性和平方序列的自相关性。本文首先研究了MGARcH(κ;1,1)模型的矩特性,然后分析MGARCH模型对这两个特性的刻画能力,并将它与GARCH(1,1)进行了比较,从理论上证明了MAGRCH较之GARCH模型有较强的刻画能力。最后利用上证综合指数的收盘价数据进行了实证分析。
[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]
沈建荣 高霞
时间序列模型是分析与预测复杂系统的常用方法。与多维分析和系统分析不同,时间序列模型仅考虑单一指标,不考虑系统内各种相互作用的因素,将系统看作一种按照某种规律演化,沿着一
[期刊] 数理统计与管理
[作者]
龙会典 严广乐
本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.
[期刊] 统计与决策
[作者]
耿克红 张世英
金融市场超高频时间序列建模是目前金融计量经济学研究的热点。该文在已有研究的基础上,建立了ACD-GARCH-V模型,通过实证分析考察了超高频交易量变化率及交易持续期对金融产品收益率和波动性的影响。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
