基于范例推理的时序预测层次模型及其在期货预测中的应用

摘要

该文从期货市场的实际情况出发,针对当前时间序列方法在期货预测及应用中存在的问题,采用范例推理技术弥补其在实际应用中的不足,从宏观上提出一个多层次范例推理的时间序列分析框架,并结合基于原子模式的模板匹配算法和多项式拟合算法对期货市场进行预测.论文的主要工作如下:1.从宏观方面,以相似模型的统一描述为基础,提出一人多层次抽象范例重用框架,它适用于时序的描述和预测.在时间序列的前景下,描述了多层次范例推理方法,并且讨论了在时序预测中一些CBR循环常见的问题.2.在解决了宏观的架构问题以后,该文以1,2阶模式为基础推导出基于n阶原子模式的构造,提出了n阶模板匹配算法,解决了范例检索、匹配和类比转换问题.通过理论分析和实验验证,基于模板匹配的算法与时间序列预测领域的同类方法和传统方法相比较在精度上和情能上都有较大优势.3.该文还提出一种基于多项式拟合时间序列的方法,通过对时间序列的多项式拟合的函数特征比,将时间序列的数据映射到多项式的系数特征空间,然后根据系数的特征空间采用类似欧氏距离的方法来比较时间序列的相似性,从而进行时间序列的预测.4.最后,将该文的时间序列层次模型应用到期货的实际预测中,实现了基于该模型的简化期货预测系统.通过该系统提供的数据充分说明了该文一系列解决方案的有效性.实验验证了该模型比其它几种经典方法预测精度高,稳定性好,而且对给定长度的变化敏感度低,具有较高的实际应用价值.

目录

文摘

英文文摘

华南理工大学学位论文原创性声明及学位论文使用授权书

第1章.绪论

1.1.引言

1.2.研究的背景

1.3.研究的内容

1.4.研究的目标和创新

1.5.论文结构

1.6.小结

第2章.基于范例推理和时间序列预测问题概述

2.1.范例推理基本内容

2.2.范例学习的一般过程

2.3.相似性关系

2.3.1.语义相似性

2.3.2.结构相似性

2.3.3.目标特征相似性

2.3.4.个体相似性

2.4.相似性计算

2.5.时间序列基础

2.5.1.简介

2.5.2.时间序列的概念

2.6.传统分析方法

2.6.1.移动平均法(MovingAverage)

2.6.2.指数平滑方法(SES，DES，TES，Holt ES)

2.6.3.Box-Jenkins的ARMA/ARIMA方法

2.7.近代方法

2.7.1.Christos Faloutsos的DFT模型

2.7.2.R.Agrawal的规范变换相似性搜索

2.7.3.Davood Rafilei的安全变换相似性搜索

2.7.4.B.B.Xia的形状匹配法

2.7.5.Branko Pecar的APRE方法

2.7.6.时间序列的距离度量

2.8.小结

第3章.基于范例推理的时序预测层次模型框架

3.1.引言

3.2.相似性模型概览

3.3.范例表示

3.4.构造时序范例库的一般过程

3.5.时间序列基于模板的相似匹配算法

3.5.1.核心思想

3.5.2.原子模式的定义和模板构造

3.5.3.相似序列查询与推理算法

3.5.4.精度实验

3.6.时间序列预测算法

3.6.1.APRE预测算法

3.6.2.TBM预测算法

3.7.小结

第4章.层次时间序列模型在期货预测中的应用

4.1.框架应用举例

4.1.1.问题描述

4.1.2.系统构成

4.2.在期货系统中的应用分析

4.3.基于分层预测模型的简化期货预测系统实现

4.3.1.系统结构图

4.3.2.模块划分

4.4.系统实现

4.4.1.数据输入模块

4.4.2.数据预处理

4.4.3.算法处理器和推理机模块

4.4.4.结果解释模块

4.4.5.结果分析

4.4.6.系统界面描述

4.5.系统运行结果

4.5.1.预测效果

4.5.2.序列长度-精度对比效果

4.5.3.结论

第5章.结论

5.1.论文创新

5.2.应用前景

5.3.未来工作

参考文献

在学期间发表论文情况

致谢