文献类型：期刊文章

作　　者：邸浩[1,2] 赵学军[2] 张自力[2]

Di Hao;Zhao Xuejun;Zhang Zili(Guanghua School of Management, Beijing University, Beijing 100871, China;Harvest Fund Management Co,. Ltd, Beijing 100005, China)

机构地区：[1]北京大学光华管理学院,北京100871 [2]嘉实基金管理有限公司,北京100005

出　　处：《统计与决策》

基　　金：中国博士后科学基金资助项目(2017M611513)

年　　份：2018

卷　　号：0

期　　号：13

起止页码：72-76

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2017_2018、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：文章将总体经验模态分解（EEMD）方法、长短期记忆（LSTM）模型和Adaboost算法相结合,构建了一个多尺度组合预测模型（EMD-LSTM-Adaboost）。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量（IMF）和一个趋势项。在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值。并以沪金为例进行实证分析,结果表明与已有的预测方法相比,文章所提出的EEMD-LSTM-Adaboost方法预测能力更好。

关 键 词：总体经验模态分解  LSTM神经网络  ADABOOST算法 商品价格预测  

分 类 号：F224]