Resumen

Para superar las dificultades de los modelos existentes a la hora de tratar las caractersticas no estacionarias y no lineales de los datos de series temporales financieras de alta frecuencia, especialmente su escasa capacidad de generalizacin, este artculo propone un mtodo conjunto basado en mtodos de eliminacin de ruido de los datos, como la transformada wavelet (WT) y el anlisis de espectro singular (SSA), y una red neuronal de memoria a corto plazo a largo plazo (LSTM) para construir un modelo de prediccin de datos. Las series temporales financieras se descomponen y reconstruyen mediante WT y SSA para eliminar el ruido. Bajo la condicin de eliminacin de ruido, se reconstruye la secuencia suave con informacin efectiva. La secuencia suavizada se introduce en la LSTM y se obtiene el valor predicho. Con el ndice de media industrial Dow Jones (DJIA) como objeto de investigacin, el precio de cierre del DJIA cada cinco minutos se divide en corto plazo (1 hora), medio plazo (3 horas) y largo plazo (6 horas), respectivamente. Basndose en el error cuadrtico medio (RMSE), el error medio absoluto (MAE), el error medio porcentual absoluto (MAPE) y la desviacin estndar del error porcentual absoluto (SDAPE), los resultados experimentales muestran que, a corto, medio y largo plazo, la eliminacin de ruido de los datos puede mejorar enormemente la estabilidad de la prediccin y la capacidad de generalizacin del modelo de prediccin LSTM. Como WT y SSA pueden extraer informacin til de la secuencia original y evitar el sobreajuste, el modelo hbrido puede captar mejor el patrn de secuencia del precio de cierre del DJIA.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Método ensemble; Métodos de eliminación de ruido de datos; Transformada wavelet; Análisis de espectro singular; Red neuronal de memoria a corto plazo a largo plazo; Modelo de predicción LSTM
• Keywords:Ensemble method; Data denoising methods; Wavelet transform; Singular spectrum analysis; Long-term short-term memory neural network; LSTM prediction model