金融时间序列局部预测算法的优化

摘要

对于非线性时间序列,局部预测算法是一种计算量小且预测效果较理想的方法;但对于受噪声干扰的金融时间序列而言,该预测算法会受到较大的影响.本文针对金融时间序列的应用背景,通过分析干扰局部常量预测算法的两个主要因素(噪声和潜在周期性),提出了对原有算法的修正和优化,同时为更有效地判别预测值的改进效果,引入了一种基于统计分析的判别模型.利用美国NASDAQ和中国上海证券交易所的指数收益率时间序列,以固定交易模型进行了年收益的实证分析.结果表明,该优化算法从统计角度看可显著改善预测效果。