下载MetaTrader 5

文章 "预测金融时间序列"

要添加评论,请登录注册
MetaQuotes Software Corp.
版主
184352
MetaQuotes Software Corp.  

新文章 预测金融时间序列已发布:

预测金融时间序列是任何投资活动的必备元素。投资本身的概念是投入现有的资金以在未来获利,而这个概念又基于预测未来的概念。因此,预测金融时间序列是整个投资行业(包括所有有组织的交易所和其他证券交易系统)的投资活动的基础。

第一步,我们来说明一下使用神经网络进行时间序列预测的一般方案(图 1)。

图 1时间序列预测的技术循环方案。

此外,本文中我们会简要探讨此流程的所有阶段。尽管神经网络建模的一般原理完全适用于此任务,但预测金融时间序列有其特定的性状。本文要尽最大可能阐明的内容就是这些特定性状。



浸入技术。Tackens 定理

我们先从浸入阶段开始。正如我们现在看到的,对于所有看似数据外推法的预测,神经网络确实能够解决插值的问题,这大大增强了这个解决方案的有效性。预测时间序列的问题可归结为神经分析的常规问题 - 多变量函数针对一组给定示例的逼近 - 使用将时间序列浸入多维空间的程序(Weigend,1994 年)。例如,时间序列 的维度滞后空间由时间序列在连续瞬时时间的值组成:

以下 Tackens 定理已证明对动态系统是成立的:如果某时间序列是由动态系统生成的,即 的值是这种系统的状态的一个任意函数,那么就可找出一种浸入深度(约等于此动态系统的有效自由度数),它可用于明确预测该时间序列的下一个值(Sauer,1991 年)。因此,在选择了一个较大值之后,可以保证时间序列未来的值与其之前的值之间的明确依存关系:,即时间序列预测的问题可归结于多变量函数插值的问题。然后,可根据此时间序列的历史所定义的一组示例,使用神经网络来恢复此未知函数。

反之,对于随机时间序列,过去的信息不会为预测未来提供任何有用的提示。因此,根据有效市场理论,在浸入滞后空间时,时间序列的预测值的散布不会发生变化。

图 2 中显示了浸入期间检测到的混沌动态与随机(无规律)动态之间的差异。

作者:MetaQuotes Software Corp.

要添加评论,请登录注册