金融时间序列模糊边界预测研究

摘要：

　　传统的金融时间序列预测方法以精确的输入数据为研究对象，在建立回归模型的基础上做单步或多步预测，预测结果是一个或多个具体的值。由于金融市场的复杂性，传统的预测方法可靠度较低。提出将金融时间序列模糊信息粒化成一个模糊粒子序列，运用支持向量机对模糊粒子的上下界进行回归，然后应用回归所得到的模型分别对上下界进行单步预测，从而将预测的结果限定在一个范围之内。这是一种全新的思路。以上证指数周收盘指数为实验数据，实验结果表明了这种方法的有效性。

关键词： 信息粒化 支持向量机 回归 金融时间序列

作者: 桂斌 黄立冬 周杰 杨小平

作者单位: 中国人民大学信息学院,北京100872 淮阴师范学院传媒学院,江苏淮安223300 淮阴师范学院传媒学院,江苏淮安223300 中国人民大学信息学院,北京100872

会议类型: 国内会议

会议名称: 2012中国计算机大会

会议地点: 大连

会议语种:中文

页码: 2283-2286

在线出版日期: 2012-10-01（万方平台首次上网日期，不代表论文的发表时间）