指数平滑与自回归融合预测模型及实证

摘要：

针对银行业务中的隔夜头寸预测问题,融合指数平滑与自回归预测的思想方法,提出了一个时间序列一步预测的微分动力学方程,证明了方程的离散化结构同无隐层BP神经网络的等价性.讨论了模型预测有效性问题,并进行了实证分析.对12个样本预报偏差的拟合优度检验表明,绝对预报偏差近似服从指数分布;实证分析了环比波动特征同模型预报误差以及预报同态度的关系,表明在一定条件下模型的预报是有效的,同NLP框架下的LSTM和GRU进行了对比实验表明该模型有更好的表现;定义了稳态指数和转折指数来描述时间序列的环比波动特征,分析表明稳态指数和转折指数可以预估模型预报的误差水平和同态度水平;研究了模型前端降噪对预报结果的影响,结果表明前端降噪可以抑制模型预报的"过敏"行为,有利于对时间序列变化趋势的动态跟踪.

关键词：时间序列预测、指数平滑、自回归、BP神经网络、实证分析

所属期刊栏目：58

分类号：TP39(计算技术、计算机技术)

在线出版日期：2022-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：269-281