Resumen

Este documento presenta un enfoque de subbanda para la predicción de series temporales financieras. Aquí se emplea la descomposición modal empírica multivariante (MEMD) para la representación de múltiples bandas de series temporales financieras de varios canales. Se utiliza un modelo autorregresivo de media móvil (ARMA) para predecir cada subbanda individual de cualquier serie de datos temporales. Luego, todas las señales de subbandas predichas se suman para obtener la predicción global. El modelo ARMA funciona mejor para señales estacionarias. Con la representación de múltiples bandas, cada subbanda se convierte en una señal limitada en banda (banda estrecha) y, por lo tanto, se logra una mejor predicción. El rendimiento del modelo MEMD-ARMA propuesto se compara con la EMD clásica, la transformada discreta de ondículas (DWT) y con el modelo ARMA de banda completa en términos de relación señal-ruido (SNR) y error cuadrático medio (MSE) entre

• Materias:Polinomios Ecuaciones dinámicas Ecuaciones diferenciales Ecuaciones funcionales
• Subjects:Polynomials Dynamic equations Differential equations Functional equations
• Palabras claves:Enfoque; Series temporales financieras; Descomposición empírica multivariante de modos; MEMD; Modelo ARMA; Predicción; Señales de subbanda
• Keywords:Approach; Financial time series; Multivariate empirical mode decomposition; MEMD; ARMA model; Prediction; Subband signals