基于ANFIS混沌检测方法的股市惯性假设合理性应用研究
本文针对股市数据中存在大尺度噪声,混沌现象难以研究的问题,提出一种新颖的股市混沌现象检测方法.将小波变换处理后的收盘价序列经相空间重构作为训练数据,利用神经模糊推理系统(ANFIS)逼近训练数据的系统模型,再计算逼近系统(ANFI S)的最大Lyapunov指数,进行混沌检测.该方法具有很强的抗噪能力,且能够实时的跟踪分析市场情况.运用该方法从混沌的角度研究股市中惯性假设的合理性,进行了大盘和个股实例分析,得到了一些有益的结论.
股市、混沌、小波变换、神经模糊推理系统、惯性假设
F830.91(金融、银行)
2007-10-08（万方平台首次上网日期，不代表论文的发表时间）
共4页
68-71
