基于小波变换的沪深300指数预测
Hushen 300 Index Price Forecasting Based on Wavelet Transform

作者: 汪思慧 , 费 宇 :云南财经大学,统计与数学学院,昆明;

关键词: 小波变换沪深300ARMA预测Wavelet Transform Shanghai and Shenzhen 300 Index ARMA Forecast

摘要:
本文通过基于小波变换和未基于小波变换对沪深300指数日收盘价序列分别建立ARMA拟合模型并做短期预测,对其归一化均方误差(NMSE)进行比较,结果显示,由于小波变换良好的时频局域化特性,以及它的多分辨功能,使组合模型较之于单个预测模型对于沪深300指数的短期预测更优。

Abstract: This paper based on wavelet transform and non-wavelet transform established ARMA models to fit the daily closing price of Shanghai and Shenzhen 300 index and do a short-term forecast. It also compared their normalized mean square error (NMSE). Results display that due to the characte-ristics of wavelet transform which are good time frequency localization and its multi-resolution features, combined forecast model for short-term forecast of Shanghai and Shenzhen 300 index is superior to single forecast model.

文章引用: 汪思慧 , 费 宇 (2014) 基于小波变换的沪深300指数预测。 统计学与应用, 3, 175-181. doi: 10.12677/SA.2014.34024

参考文献

[1] 侯璐 (2009) 基于ARIMA模型的石油价格短期分析预测. 硕士论文, 暨南大学, 广州.

[2] 范雯 (2011) 国际石油价格期货预测的小波-Kalman滤波混合方法. 硕士论文, 西安科技大学, 西安.

[3] 辛月 (2011) 基于小波理论的期铜价格周期波动和预测模型研究. 硕士论文, 北方工业大学, 北京.

[4] 郑纪安 (2009) 基于小波分析和神经网络的金融时间序列预测研究. 硕士论文, 厦门大学, 厦门.

[5] 张坤 (2009) 中国股票市场投资策略的计量分析. 经济科学. 硕士论文, 江西财经大学, 南昌.

[6] 王习涛 (2006) ARIMA模型在期货交易预测中的应用研究. 微计算机信息, 15, 139-140.

[7] 陈林, 黄章树 (2010) 基于ARIMA模型的期货价格分析与预测. 福州大学学报(哲学社会科学版), 3, 2-4.

[8] 徐珍, 李星野 (2012) 小波ARMA模型和ARIMA模型对上证指数的预测效果探究. 现代商业, 30, 3-4.

[9] 杨丽 (2008) 小波神经网络和ARMA模型在股票预测中的研究与应用. 硕士论文, 北京工业大学, 北京.

[10] Kanas, A. (2008) Modeling regime transition in stock index futures markets and forecasting implications. Journal of Forecasting, 27, 649-669.

分享
Top