基于CEEMDAN-VMD-LSTM的超高频金融时间序列预测

  • 打印
  • 收藏
收藏成功


打开文本图片集

摘  要: 对超高频金融数据的预测,模态分解降低了数据的噪声,提高了数据预测精度。据此提出了自适应噪声的完整集合经验模态分解(CEEMDAN)与变分模态分解(VMD)相结合的二次分解模型。先将期货日度行情数据通过CEEMDAN一次分解,并通过样本熵将分解后的序列整合成高频、低频和趋势序列;再将高频和低频序列分别进行VMD分解,然后将各个IMF分量通过LSTM网络预测,最终整合各个预测结果。(剩余11264字)

monitor
客服机器人