基于PCA和AP的嵌套式KNN金融时间序列预测模型

论文摘要

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。

论文目录

文章来源

类型: 期刊论文

作者: 唐黎,潘和平,姚一永

关键词: 金融时间序列,主成分分析,仿射传播聚类,最邻近元,金融市场预测

来源: 预测 2019年01期

年度: 2019

分类: 经济与管理科学,基础科学

专业: 数学,金融

单位: 西南财经大学天府学院智能金融学院,成都大学商学院

基金: 国家社会科学基金资助项目(17BGL231)

分类号: F830;O211.61

页码: 91-96

总页数: 6

文件大小: 152K

下载量: 519

相关论文文献

• [1].基于深度学习的金融时间序列数据集成预测[J]. 统计与信息论坛 2020(04)
• [2].探讨基于支持向量机的高频金融时间序列预测[J]. 中小企业管理与科技(中旬刊) 2019(12)
• [3].浅析多变量金融时间序列的非线性检验及重构[J]. 财富时代 2020(02)
• [4].金融时间序列数据挖掘的研究与应用[J]. 世界科技研究与发展 2008(01)
• [5].高频金融时间序列的模型化研究进展回顾[J]. 数学的实践与认识 2011(03)
• [6].基于两步法带宽选择的金融时间序列长记忆参数估计[J]. 数理统计与管理 2020(01)
• [7].基于高频金融时间序列特性的金融项目风险测度研究[J]. 项目管理技术 2014(01)
• [8].向量金融时间序列协整与协同持续关系——基于理论的思考[J]. 管理工程学报 2008(01)
• [9].基于小波的金融时间序列波动性研究[J]. 信息网络安全 2011(06)
• [10].基于金融时间序列的符号聚合近似测度的改进[J]. 杭州电子科技大学学报(自然科学版) 2019(01)
• [11].金融时间序列中同积向量的充分改进最小二乘估计研究[J]. 唐山学院学报 2014(06)
• [12].一种金融时间序列区域分割方法的研究[J]. 四川大学学报(自然科学版) 2018(06)
• [13].基于改进样本熵的金融时间序列复杂性研究[J]. 计算机技术与发展 2019(01)
• [14].金融时间序列聚类分析方法比较研究——基于上市公司股票收益率的实证分析[J]. 时代金融 2013(17)
• [15].基于LSTM神经网络的金融时间序列预测[J]. 中国管理科学 2020(04)
• [16].金融时间序列中伪回归和模型修正的实证分析[J]. 湖南理工学院学报(自然科学版) 2008(02)
• [17].金融时间序列多分辨分析的描述性研究[J]. 中国管理信息化 2014(02)
• [18].谱估计在金融时间序列模型验证中的应用[J]. 煤炭技术 2012(08)
• [19].金融时间序列的短期相依性研究[J]. 华东经济管理 2011(03)
• [20].谱估计在金融时间序列模型验证中的应用[J]. 清华大学学报(自然科学版) 2008(09)
• [21].基于区间型金融时间序列数据的宏观经济预测研究[J]. 经济问题 2020(03)
• [22].基于统计分析方法在金融数据中应用的课程教改研究[J]. 蚌埠学院学报 2020(02)
• [23].基于小波分析和神经网络的金融时间序列预测[J]. 内蒙古科技与经济 2017(13)
• [24].利用ARFIMA模型研究金融时间序列[J]. 海南师范大学学报(自然科学版) 2008(04)
• [25].金融时间序列的涨跌持续性分析[J]. 信息与电脑(理论版) 2016(06)
• [26].金融时间序列的多重分形类型的确定[J]. 菏泽学院学报 2009(05)
• [27].变结构GARCH模型的协同持续性研究[J]. 统计与决策 2014(07)
• [28].基于支持向量机的高频金融时间序列预测[J]. 应用数学与计算数学学报 2017(03)
• [29].SDAE-LSTM模型在金融时间序列预测中的应用[J]. 计算机工程与应用 2019(01)
• [30].基于多尺度阈值方法的金融时间序列去噪研究[J]. 金融经济 2013(12)

标签：金融时间序列论文;  主成分分析论文;  仿射传播聚类论文;  最邻近元论文;  金融市场预测论文;