典型文献
基于分解-聚类-集成学习的汇率预测方法
文献摘要：
本文集成了经验模态分解(EEMD)、最小二乘支持向量回归(LSSVR)和K均值聚类方法,提出了一个新的外汇汇率预测方法,称为基于EEMD-LSSVR-K的分解-聚类-集成学习的外汇汇率预测方法.该方法利用聚类策略将分解-集成学习中固定权值集成学习扩展到基于局部数据特征加权的非线性集成加权学习,从而克服了分解-集成方法中集成学习阶段的不足.本文将该方法用于四种主要外汇汇率的预测,实证结果表明:在提前1天、提前3天和提前6天的预测中,本文所提出的EEMD-LSSVR-K方法的水平预测性能和方向预测性能显著地优于基准模型;同时也证实了聚类策略能够有效提高分解-集成模型的预测效果.
文献关键词：
汇率预测;集成经验模态分解;最小二乘支持向量回归;K均值聚类;分解-集成学习
中图分类号：
作者姓名：
孙少龙;魏云捷;汪寿阳
作者机构：
西安交通大学管理学院,西安710049;中国科学院数学与系统科学研究院,北京100190;中国科学院大学经济与管理学院,北京100190;中国科学院预测科学研究中心,北京100190
文献出处：
引用格式：
[1]孙少龙;魏云捷;汪寿阳-.基于分解-聚类-集成学习的汇率预测方法)[J].系统工程理论与实践,2022(03):664-677
A类：
B类：
基于分解,集成学习,汇率预测,文集,EEMD,最小二乘支持向量回归,LSSVR,均值聚类,聚类方法,外汇汇率,法利,中固,定权,权值,数据特征,特征加权,集成方法,中集,预测性能,集成模型,集成经验模态分解
AB值：
0.272868
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
