计算机时代2023，Issue(5) ：102-108.DOI:10.16644/j.cnki.cn33-1094/tp.2023.05.023

基于CEEMDAN-VMD-LSTM的超高频金融时间序列预测

UHF financial time series predicting based on CEEMDAN-VMD-LSTM

闫勇志 沐年国
计算机时代2023，Issue(5) ：102-108.DOI:10.16644/j.cnki.cn33-1094/tp.2023.05.023
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于CEEMDAN-VMD-LSTM的超高频金融时间序列预测

UHF financial time series predicting based on CEEMDAN-VMD-LSTM

闫勇志 1沐年国1
扫码查看

作者信息

  • 1. 上海理工大学管理学院,上海 200093
  • 折叠

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.模型各项指标均好于一次分解.

关键词

超高频金融数据/CEEMDAN/VMD/二次分解

引用本文复制引用

出版年

2023
计算机时代
浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411
ISSN：1006-8228
被引量1
参考文献量1
段落导航相关论文