摘要
根据统计学习理论,针对局部灰色支持向量回归方法,提出了单变量经济时间序列预测特征提取的ARMA准则。对中国社会消费品零售总额的试验结果表明:ARMA准则能客观准确地实现特征提取,获得较高的预测精度。
According to the method of local grey support vector regression in statistical learning theory, the ARMA criterion of feature extraction for single variable financial time series prediction is put forward.The experimental result of our national social total retail sales of consumer goods demonstrates that the ARMA criterion can objectively and accurately perform feature extraction and gain the higher accuracy of prediction.
出处
《统计与信息论坛》
CSSCI
2012年第7期3-7,共5页
Journal of Statistics and Information
基金
国家自然科学基金项目<基于高频数据的股市极端风险测度及其防范研究>(71071155)
中国人民大学科学研究基金(中央高校基本科研业务费专项资金资助)项目<基于高频数据的中国金融市场若干重大问题研究>(10XNL007)
关键词
支持向量
局部回归
ARMA准则
特征提取
经济预测
support vector
local regression
ARMA criterion
feature extraction
economic prediction
