基于多重分形分析法与模糊神经网络的金融时序预测技术研究

摘要

针对金融时间序列的预测问题,提出了一种结合机器学习方法与统计学方法的综合预测评判模型.该模型通过使用多重分形消除波动趋势分析法(MF-DFA),分析目标金融时序的多重分型性与记忆性,计算目标时序的Hurst指数,并在Hurst指数的指导下,采用自适应模糊推理神经网络对目标金融时序的趋势进行短期预测.使用上证指数、恒生指数、铜期货与黄金期货这四个具有代表性的金融时序验证了该模型.结果证实,该模型相较于单纯的专家系统或机器学习模型,能更好地对金融时序进行建模与短期趋势预测,并对预测结果给出合理解释.