求和自回归移动平均模型(ARIMA)在非平稳时序序列预测中有良好的效果,文章通过对原始数据进行简单平稳处理,在一定程度上达到减小预测误差,提高预测精度的目标。关键字: ARIMA 模型、时间序列、平稳处理、模型识别期货交易带有明显的非平稳性和随机性, 因此使用单纯的自回归模型或者移动平均模型都无法很好地对交易趋势进行拟合预测, ARIMA 模型就是将前面两者相结合并加入对非平稳数列的差分操作从而实现对非平稳数列的较好的拟合及预测。文章在ARIMA 模型的基础上对时序数列进行局部平稳化处理,既保证整体趋势不变又实现了局部的平稳,实验表明该方法对于提高ARIMA 模型的预测准确度具有明显的效果。
猜您喜欢
推荐内容
开源项目推荐 更多
热门活动
热门器件
用户搜过
随便看看
热门下载
热门文章
热门标签
评论