HHT与AC算法在金融数据分析中的应用研究
| 致谢 | 第1-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-9页 |
| 1 前言 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·金融时间序列预测的研究现状 | 第10-11页 |
| ·传统方法所面临的困难及其解决方案 | 第11-13页 |
| ·传统方法面临的困难 | 第11-12页 |
| ·本文的解决方案 | 第12-13页 |
| ·本文的研究范围及主要内容 | 第13-15页 |
| 2 HHT方法 | 第15-27页 |
| ·HHT方法的概述 | 第15页 |
| ·HHT方法的基本思想 | 第15-16页 |
| ·经验模态分解(EMD) | 第16-24页 |
| ·固有模态函数(IMF) | 第16-18页 |
| ·IMF的定义 | 第16页 |
| ·IMF的理论基础 | 第16-18页 |
| ·EMD算法 | 第18-19页 |
| ·EMD买例 | 第19-21页 |
| ·EMD方法需要解决的问题 | 第21-23页 |
| ·EMD求包络的问题 | 第21-22页 |
| ·EMD的端点延拓问题 | 第22-23页 |
| ·EMD去噪 | 第23-24页 |
| ·HILBERT变换 | 第24-27页 |
| ·Hilbert谱分析 | 第25-27页 |
| 3 自组织数据挖掘 | 第27-37页 |
| ·自组织数据挖掘的基本概念 | 第27-28页 |
| ·类比合成算法(AC算法) | 第28-33页 |
| ·AC算法的步骤 | 第29-32页 |
| ·利用AC算法进行预测时需要注意的几方面问题 | 第32-33页 |
| ·参数化GMDH算法(数据分组处理方法) | 第33-37页 |
| ·GMDH算法实现的步骤 | 第33-35页 |
| ·GMDH算法的选择准则 | 第35-37页 |
| 4 时间序列周期波动的频域分析 | 第37-49页 |
| ·谱函数 | 第37-39页 |
| ·谱分析 | 第39-41页 |
| ·谱的特征参数 | 第39-40页 |
| ·谱图的分析 | 第40页 |
| ·隐含周期的判别与检验 | 第40-41页 |
| ·基于HHT的信号周期分析 | 第41-49页 |
| ·为何采用HHT方法 | 第41-44页 |
| ·瞬时频率和傅立叶频率 | 第41-42页 |
| ·传统的信号周期分析方法在处理非平稳信号时的缺陷 | 第42-43页 |
| ·HHT方法的优势 | 第43-44页 |
| ·HHT方法进行信号周期分析的实例 | 第44-49页 |
| 5 股市分析实例 | 第49-65页 |
| ·实验背景 | 第49页 |
| ·股市大盘波动趋势的判别 | 第49-52页 |
| ·股市大盘每日收盘价和成交量的预测 | 第52-65页 |
| 6 总结与展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者简历 | 第71页 |
