一种基于时间序列链的股市预测方法

随着互联网的发展,如何在海量的数据中挖掘出有益的信息尤为重要。利用时间序列模型预测股票市场虽然早已被证实是有效性的,但是过去都停留在时间序列主题发现上,忽视了子序列也会随时间动态演化的情况。因此,基于近年提出的新概念——时间序列链,提出将其应用在股票市场预测中的算法,结合股票市场的特点,利用向量的余弦距离来模拟股票走势对子序列相似度的影响,同时提出基于CEEMDAN的子序列长度搜索算法来获取尽可能有效且有代表性的子序列长度,根据这些子序列长度来查找时间序列链并应用于股票预测。历史股票数据回测证明笔者算法的预测准确率在93%以上。