基于小波变换的时间序列奇异性问题探析

文章讨论了基于小波变换模极大值的时间序列奇异性问题探测,突破了傅立叶分析在时域和频域方面的局部化能力。时间序列的局部奇异性可由其小波变换模随尺度参数的衰减特性来刻画,文章通过小波变换在小尺度下的局部模极大值来检测信号奇异性;并通过建立目标函数计算Lipschitz指数,简化了计算过程。     

不同小波基下的SAR图像相干斑抑制性能分析

分析了合成孔径雷达(SAR)图像中相干斑(Speckle)的统计特性。基于小波变换(WT),给出了一种多尺度的Speckle滤波方法,该方法利用小波分解后的HH分量(低频分量)作Speckle抑制,得到图像Speckle的相当大的改进。文中还对不同的小波基进行了理论分析,并利用实验数据,从等效视数(ENL)角度进行了比较,证实了不同小波基下该方法对Speckle具有较好的抑制性能。     

R&D项目中止决策的小波网络模式识别

如何科学、合理、有效地识别和中止那些行将失败或没有前途的 R&D项目 ,对于企业成功地进行技术创新、建立和保持竞争优势 ,显然具有十分重要的理论价值和实践意义 .本文根据中止决策的实质及模式识别的基本原理 ,探讨了定量地中止 R&D项目的一般模式识别程序 .同时 ,基于小波基具有很强的自适应数据和函数变化的能力 ,进一步研究给出了一种基于小波网络的 R&D项目中止决策分析模式识别新方法 ,并在最小均方能量准则下 ,采用相应的共轭梯度学习算法求解子波函数线性组合的尺度和时延参数 ,以及神经网络的权值 .本研究不仅克服了现有 R&D项目中止决策分析技术在构造与求解模型方面的某些局限性 ,并且为R&D项目的跟踪管理提供了一种新的理论依据 ,为具体决策单位和政府有关部门对正在实施的 R&D项目作中止决策提供了一种可操作的决策方法和程序     

多分辨分析与小波构造之分析

在小波分析理论中构造小波是一个非常重要的工作。本文就多分辨分析与小波构造进行分析。     

基于小波分析的石油价格长期趋势预测方法及其实证研究

本文将小波方法引入到油价长期趋势的预测中,利用小波多尺度分析的功能,提出了一种可以较为准确地根据油价时序列预测其未来长期走势的方法。这种方法的优点在于可以准确地提取油价的长期趋势,从总体上把握油价的非线性波动特征,从而能够很好地利用油价时间序列的历史数据,开展对未来一段时期内的多步预测。实证研究中,对Brent油价开展了时间跨度为1年的趋势预测,并将预测结果与ARIMA、GARCH、Holtwinters等方法得到的结果进行了比较,表明了基于小波分析的长期趋势预测法的预测能力是其他方法所不能比拟的,反映了本文所建立的石油价格长期趋势预测方法的有效性。     

“京十二条”房地产调控政策的影响——基于TEI@I方法论

北京市政府为落实国务院坚决遏制房价过快上涨的通知,在2010年4月30日发布了十二条具体调控措施,北京房地产交易市场因此受到严重的打击.本文基于TEI@I方法论,使用集成了文本挖掘、经济计量模型和神经网络的分析框架,对本次北京房地产调控政策的影响强度及持续时间进行分析,并将其与国家调控政策对其他一线城市的影响进行对比.结果发现本次"京十二条"调控政策对北京市期房和现房交易额的影响显著,而国家统一的调控政策对上海、深圳的房地产交易市场影响较小.     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.     

基于LSTM神经网络的金融时间序列预测

本文提出将小波分析与纳入时间序列依赖特征的长短期记忆(LSTM)神经网络相结合,构建金融时间序列数据预测模型,以克服现有模型对金融时间序列数据非平稳、非线性、序列相关等复杂特征以及数据间非线性交互关系无法反映的缺陷。同时,以道琼斯工业指数日收盘价为例,探究LSTM神经网络对实际金融时间序列数据的预测能力,比较其与多层感知机、支持向量机、K近邻、GARCH四种模型的预测效果。实证结果表明LSTM神经网络具有更高的预测精度,能够有效预测金融时间序列数据的长短期动态变化趋势,说明了其对金融时间序列数据预测的适用性与有效性。此外,对金融时间序列数据进行小波分解与重构,可有效提高LSTM预测模型的泛化能力,以及对长短期动态趋势的预测精度。     

小波级数变换的一种离散小波变换算法

小波文献中，离散小波变换多由于带分解或拉普拉斯塔形分解等引出。本文从连续小波变换及小波级数变换出发，通过对采样过程的分析导出了离散小波变换的定义。离散小波变换是唯一便于Ｘ数值计算的小波变换，本文提出了一种以离散小波变换计算小波级数变换的算法，该算法较之Ｏ’Ｒｌｏｕｌ的类似算法相比，可取得更好的计算精度。     

中美股市联动效应研究——基于小波视角

在国际金融市场一体化程度加深和我国股市国际化进程加快的背景下,针对已有研究的不足,基于小波视角,采用连续小波和离散小波研究方法,并引入最小信息熵准则,从时域-频域层面研究中美股市复杂多变的联动效应,结果表明:中美股市在短期尺度上联动效应较弱,而在长期尺度上联动效应较强;次贷危机期间,中美股市之间存在纯传染;在各个尺度上贸易因素对中美联动效应有着显著影响,而市场传染只能在短期尺度上有显著影响.此研究对于市场监管政策制定、风险管理、资产配置等一系列金融实践活动具有理论参考价值和现实意义.