|本期目录/Table of Contents|

[1]骆桦,陈艳飞.基于小波与动态GM(1,1) ARIMA模型的股价预测研究[J].浙江理工大学学报,2017,37-38(自科4):575-579.
　LUO Hua,CHEN Yanfei.The Research of Stock Price Prediction Based on the Wavelet Dynamic GM (1,1)ARIMA Model[J].Journal of Zhejiang Sci-Tech University,2017,37-38(自科4):575-579.
点击复制

基于小波与动态GM(1,1) ARIMA模型的股价预测研究()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第37-38卷
期数:
2017年自科4期
页码:
575-579
栏目:
出版日期:
2017-07-10

文章信息/Info

Title:
The Research of Stock Price Prediction Based on the Wavelet Dynamic GM (1,1)ARIMA Model
文章编号:
1673-3851 (2017) 04-0575-05
作者:
骆桦; 陈艳飞
浙江理工大学理学院，杭州 310018
Author(s):
LUO Hua;  CHEN Yanfei
School of Sciences, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
股价; 小波分析; 动态GM(1; 1); ARIMA模型
分类号:
F830.91
文献标志码:
A
摘要:
针对传统时间序列股价预测模型的时间滞后性，提出一种基于小波与动态GM(1,1)ARIMA的股价预测模型。运用小波分析对股价数据进行预处理，对小波重构序列建立ARIMA模型，考虑预测过程中未来因素对系统的影响，建立动态GM(1,1)模型。选取沪深300指数进行实证分析，结果表明所提出的小波与动态GM(1,1)ARIMA模型与传统股价预测模型相比，其预测精度最高。

参考文献/References:

［1］ 刘向丽,王旭朋.基于小波分析的股指期货高频预测研究［J］.系统工程理论与实践,2015,35(6):1425-1432.
［2］ 肖燕君,张华,任若恩.基于小波多尺度分析的股票价格组合预测方法［J］.工业工程,2011,14(6):133-137.
［3］ LAHMIRI S. Wavelet low and highfrequency components as features for predicting stock prices with backpropagation neural networks［J］.Journal of King Saud UniversityComputer and Information Sciences,2013,26(2):218-227.
［4］ JAMMAZI R, ALOUI C. Crude oil price forecasting: Experimental evidence from wavelet decomposition and neural network modeling［J］. Energy Economics,2012,34(3):828-841.
［5］ HSIEH T J, HSIAO H F, YEH W C. Forecasting stock markets using wavelet transforms and recurrent neural networks: An integrated system based on artificial bee colony algorithm［J］. Applied Soft Computing,2011,11(2):2510-2525.
［6］ 孙冰洁,唐瑞,左毅.小波分析下的神经网络股票预测研究［J］.计算机与数字工程,2016,44(6):1031-1034.

备注/Memo

备注/Memo:
收稿日期： 2017-03-16
网络出版日期： 2017-05-24
基金项目： 国家自然科学基金项目(11671358)
作者简介： 骆桦（1962-），男，浙江诸暨人，副教授，硕士，主要从事金融数学和数理统计方面的研究
更新日期/Last Update: 2017-09-25