贵金属期货价格预测方法及实证研究

摘要：

本文融合了二次分解与极限学习机的优势,提出了 VMD-Res.-EEMD—ELM贵金属期货价格预测模型,选择变分模态分解(VMD)作为主要的分解技术,生成模态分量序列(VMFi)和残差序列(Res.),采用集合经验模态分解(EEMD)对残差序列进行二次分解,并使用具有良好泛化能力的极限学习机(ELM)对各分量进行预测,最后叠加各模态分量和残差的预测值形成收益率的最终预测结果.所提出的模型不仅充分发挥了二次分解技术的优势,而且解决了传统变分模态分解组合预测模型未考虑残差影响因素的问题.实证研究表明,本文所提出的组合模型能够全面捕捉黄金、白银期货价格日收益率序列的特征,方向性预测准确率分别为83.33％和93.33％,误差指标MAE分别为0.15和0.11,经比较本文所提出的模型具有良好的预测性能.

关键词：时间序列、分解集成、多模态集成预测、机器学习、混合模型

所属期刊栏目：30

分类号：F830.94(金融、银行)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-03-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：245-253