排序方式: 共有2条查询结果,搜索用时 62 毫秒
1
1.
2.
股票指数时间序列具有非平稳和高噪声等特点,在进行股票指数预测时,由于噪声的影响,单一模型的预测精度往往不高.作者建立了基于奇异值分解(SVD)的BP神经网络和ARMA-GARCH组合预测模型,该模型将原序列分解为趋势部分和噪声部分,分别进行研究.实证研究结果表明:该模型的拟合、预测精度较高. 相似文献
1