曾家华。；Ojoung Kwon；Luna C.Tjung。 时间序列和神经网络分析。 （英语） Zbl 1454.91266号 Lee，Cheng Few（编辑）等人，《金融计量经济学、数学、统计学和机器学习手册》。第4卷。新泽西州哈肯萨克：《世界科学》。3887-3931 (2021). 总结：本章讨论并比较了传统时间序列模型和神经网络（NN）模型的性能，以确定哪种模型在预测股价变化方面做得更好，并确定预测股价的关键预测因子，以提高市场专业人士的预测准确度。时间序列分析与技术分析有点类似，但它与技术分析不同，它使用不同的统计方法和模型来分析历史股价并预测未来价格。神经网络方法可以做出重要贡献，因为它们可以将大量变量和观察结果纳入其模型中。在本研究中，作者将传统的时间序列分解（TSD）、霍尔特/温特斯（H/W）模型、Box-Jenkins（B/J）方法和神经网络（NN）模型应用于1998年9月1日至2010年12月31日随机选取的50只股票，每个公司的收盘价共有3105个观察值。这个样本期涵盖了高科技繁荣与萧条、历史上的9/11事件、房地产繁荣与萧条，以及最近的严重衰退和当前缓慢的复苏。在全球经济和金融危机这一异常不确定的时期，预计股价极难预测。关于整个系列，请参见[Zbl 1446.91004号]. MSC公司： 91G15型 金融市场 62P05号 统计学在精算学和金融数学中的应用 62M20型 随机过程推断和预测 68T05型 人工智能中的学习和自适应系统 关键词：预测股票价格；神经网络模型；时间序列分解；霍尔特/温特斯指数平滑；Box-Jenkins ARIMA方法；技术分析；基本分析 PDF格式BibTeX公司 XML格式引用 \textit{K.C.Tseng}等人，《金融计量经济学、数学、统计学和机器学习手册》。第4卷。新泽西州哈肯萨克：《世界科学》。3887-3931（2021年；Zbl 1454.91266） 全文： 内政部