基于误差同步预测的SVM金融时间序列预测方法

摘要：

在现有支持向量机(SVM)方法的基础上提出对预测误差进行同步预测的双重预测方法，利用预测到的误差对初步预测值进行校正以提高预测精度。针对误差序列非线性、非平稳以及系统动力信息不足的特点，将经验模态分解(EMD)和支持向量机(SVM)方法结合引入误差序列的预测中。对误差序列的预测分别运用初步训练误差和测试误差对预测集合的误差进行预测，将所得到的误差序列分解为若干固有模态分量(IMF)，根据各个 IMF 不同尺度的特点，选择不同的参数对其进行预测，最终合成原始序列的误差预测值，将所预测到的误差与初步原始序列预测值结合，得到最终的预测值。仿真结果表明该方法能够很好地解决预测滞后性和拐点误差大的缺点，相对于普通的SVM预测方法具有更好的预测精度。

关键词：误差预测、经验模态分解、支持向量机、时间序列

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金资助项目70971097

在线出版日期：2014-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：86-94