×
奥利维尔·雷诺；Jean-Luc斯塔克；菲昂·穆塔格

基于多尺度分解的预测。 （英文） Zbl 1041.62080号

国际小波多分辨率。信息处理。 1，第2期，217-232（2003）.
摘要：介绍了一种基于小波的时间序列预测方法。它基于信号的多分辨率分解，使用冗余的“a-trous”小波变换，具有平移不变的优点。其结果是将信号分解为一系列频率标度。预测基于每个尺度上的少量系数。最简单的形式是基于信号小波变换的线性预测。该方法使用稀疏建模，但可以基于系数，这些系数是信号大部分的总结或特征。较低层次的分解可以捕获只有几个系数的长期相关性，而较高层次的分解则捕获通常的短期相关性。
我们展示了该方法在自回归情况下向最优预测的收敛性。该方法效果良好，如模拟研究和涉及财务数据的研究所示。

引用于1审查
引用于9文件

MSC公司：

62M20型 随机过程推断和预测
42立方厘米 涉及小波和其他特殊系统的非三角调和分析
62M15型 随机过程和谱分析的推断

关键词：

小波变换；预测；分辨率；规模；自回归；时间序列模型
PDF格式BibTeX公司 XML格式引用
\textit{O.Renaud}等人，《国际小波多分辨率》。信息处理。1，第2号，217--232（2003；Zbl 1041.62080）
全文： 内政部

参考文献：

[1] 内政部：10.1007/978-1-4419-0320-4·Zbl 0709.62080号 ·数字对象标识代码：10.1007/978-1-4419-0320-4
[2] 内政部：10.1016/B978-0-12-174590-5.50029-0·doi:10.1016/B978-0-12-174590-5.50029-0
[3] DOI:10.1016/S0165-1684（97）00007-8·Zbl 0904.65144号 ·doi:10.1016/S0165-1684（97）00007-8
[4] 内政部：10.1007/978-1-4612-2544-7_9·doi:10.1007/978-1-4612-2544-79
[5] DOI:10.1016/S0165-1684（00）00104-3·Zbl 1035.94508号 ·doi:10.1016/S0165-1684（00）00104-3
[6] 内政部：10.1109/18.761321·Zbl 0946.94005号 ·数字对象标识代码：10.1109/18.761321
[7] 内政部：10.1137/1.9781611970104·Zbl 0776.42018号 ·doi:10.1137/1.9781611970104
[8] Dutilleux P.，《小波：时频方法和相空间》（1987）
[9] 内政部：10.1109/82.661660·数字对象标识代码：10.1109/82.661660
[10] 内政部：10.1109/78.668554·doi:10.1009/78.668554
[11] McCoy E.J.，J.计算。图形统计。第26页，共5页
[12] DOI:10.1017/CBO9780511841040·doi:10.1017/CBO9780511841040
[13] 内政部：10.1109/78.157290·Zbl 0825.94053号 ·doi:10.1109/78.157290
[14] Shumway R.H.，时间序列分析及其应用（1999）
[15] DOI:10.1016/S0165-1684（00）00077-3·兹比尔1098.94587 ·doi:10.1016/S0165-1684（00）00077-3
[16] DOI:10.1017/CBO9780511564352·Zbl 0928.68117号 ·doi:10.1017/CBO9780511564352
[17] 内政部：10.1002/9780470317020·数字对象标识代码：10.1002/9780470317020
[18] 郑国杰计算。智力。财务7第18页-
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。