基于CEEMDAN-VMD-LSTM的超高频金融时间序列预测

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：UHF financial time series predicting based on CEEMDAN-VMD-LSTM

作者：

闫勇志、沐年国

展开 >

作者单位：

上海理工大学管理学院,上海 200093

关键词：

超高频金融数据 CEEMDAN VMD 二次分解

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.05.023