×

智能金融时间序列预测:一种具有多温智能的复杂神经模糊方法。 (英语) Zbl 1286.91149号

总结:金融投资者经常面临预测未来的迫切需要。准确的预测可以让投资者了解未来金融市场的变化,从而降低投资风险。本文提出了一种智能计算范式,称为复杂神经模糊系统(CNFS),应用于金融时间序列预测问题。CNFS是一个自适应系统,它使用复模糊集(CFS)设计,其隶属函数是复值的,并在复平面的单位圆盘内进行表征。将CFS应用于CNFS可以增强非线性函数映射的自适应能力,这对非线性预测很有价值。此外,为了优化CNFS以实现准确预测,我们设计了一种新的混合学习方法,称为HMSPSO-RLSE,它以混合方式集成了所谓的分层多温PSO(HMSPSO)和众所周知的递归最小二乘估计(RLSE)。通过三个金融时间序列的实例对该方法进行了测试,其实验结果优于其他方法。

MSC公司:

91克70 统计方法;风险措施
91B84号 经济时间序列分析
93立方厘米 模糊控制/观测系统
93甲14 分散的系统
62M86型 随机过程的推理与模糊性
62M20型 随机过程推断和预测
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Albus,J.S.(1975年)。小脑模型关节控制器(CMAC)中的数据存储,动态系统杂志,测量与控制97(2):228-233·Zbl 0313.92006号 ·数字对象标识代码:10.1115/1.3426923
[2] Boyacioglu,M.A.和Avci,D.(2010年)。股票市场收益预测的自适应网络模糊推理系统(ANFIS):伊斯坦布尔证券交易所案例,应用专家系统37(12):7908-7912·doi:10.1016/j.eswa.2010.04.045
[3] Brdys,文学硕士,Borowa,A.,Idzowiak,P.和Brdys,M.T.(2009年)。状态空间小波网络对股票交易指数的自适应预测,国际应用数学与计算机科学杂志19(2):337-348,DOI:10.2478/v10006-009-0029-z·Zbl 1169.91429号 ·doi:10.2478/v10006-009-0029-z
[4] Buckley,J.J.(1989年)。模糊复数,模糊集与系统33(3):333-345·Zbl 0739.30038号 ·doi:10.1016/0165-0114(89)90122-X
[5] Castro,J.L.(1995)。模糊逻辑控制器是通用逼近器,IEEE系统汇刊,人与控制论,A部分:系统与人25(4):629-635。
[6] Chen,Z.、Aghakhani,S.、Man,J.和Dick,S.(2011年)。ANCFIS:采用复杂模糊集的神经模糊体系结构,IEEE模糊系统汇刊19(2):305-322·doi:10.1109/TFUZZ.2010.2096469
[7] Deng,X和Wang,X(2009)。用于精确系统建模的动态模糊神经网络增量学习,模糊集与系统160(7):972-987·Zbl 1182.68164号 ·doi:10.1016/j.fs.2008.09.005
[8] Dick,S.(2005)。关于复杂模糊逻辑,IEEE模糊系统汇刊13(3):405-414·Zbl 05452536号 ·doi:10.1109/TFUZZ.2004.839669
[9] Eberhart,R.和Kennedy,J.(1995)。使用粒子群理论的新优化器,第六届国际微机器与人类科学研讨会论文集,MHS 1995,日本名古屋,第39-43页。
[10] Gao,Y.和Er,M.J.(2005)。Narmax时间序列模型预测:前馈和递归模糊神经网络方法,模糊集与系统150(2):331-350·Zbl 1058.62077号 ·doi:10.1016/j.fss.2004.09.015
[11] Graves,D.和Pedrycz,W.(2009年)。使用递归神经网络的模糊预测结构,神经网络编程72(7-9):1668-1678。
[12] Hornik,K.,Stinchcombe,M.和White,H.(1989)。多层前馈网络是通用逼近器,神经网络2(5):359-366·Zbl 1383.92015年 ·doi:10.1016/0893-6080(89)90020-8
[13] Jang,J.S.R.(1993年)。ANFIS:基于自适应网络的模糊推理系统,IEEE系统、人与控制论汇刊23(3):665-685·数字对象标识代码:10.1109/21.256541
[14] Kennedy,J.和Eberhart,R.(1995年)。粒子群优化,IEEE神经网络国际会议,澳大利亚珀斯,第1942-1948页。
[15] Khashei,M.和Bijari,M.(2011年)。一种用于时间序列预测的人工神经网络和ARIMA模型的新型混合,应用软计算11(2):2664-2675·Zbl 05889581号 ·doi:10.1016/j.asoc.2010.10.015
[16] Kim,J.和Kasabov,N.(1999年)。HYFIS:自适应神经模糊推理系统及其在非线性动力系统中的应用,神经网络12(9):1301-1319·doi:10.1016/S0893-6080(99)00067-2
[17] Li,C.和Cheng,H.-H.(2011)。标准普尔500时间序列的智能预测——自组织模糊方法,见N.T.Nguyen、C.-G.Kim和A.Janiak,《智能信息和数据库系统》,《人工智能讲义》,第6592卷,柏林/海德堡Springer-Verlag,第411-420页。
[18] Li,C.和Chiang,T.-W.(2011年a)。时间序列预测的复杂模糊计算——一种多温PSO学习方法,收录于N.T.Nguyen、C.-G.Kim和A.Janiak Intelligent Information and Database Systems,《人工智能课堂讲稿》,第6592卷,Springer-Verlag,柏林/海德堡,第242-251页。
[19] Li,C.和Chiang,T.-W.(2011年b)。复杂模糊模型与PSO-RLSE混合学习方法的函数逼近,国际智能信息与数据库系统杂志5(4):409-430。
[20] Li,C.和Chiang,T.-W.(2011年C)。使用复杂模糊集对复杂神经模糊系统进行函数逼近——新一代计算29(3):261-276·Zbl 1251.68245号 ·doi:10.1007/s00354-011-0302-1
[21] Li,C.,Chiang,T.-W,J.-W,H.和Wu,T.(2010)。复杂神经模糊智能函数逼近方法,第三届高级计算智能国际研讨会,2010年,中国苏州,第151-156页。
[22] Li,C.和Lee,C.-Y.(2003)。未知植物控制的自组织神经模糊系统,IEEE模糊系统汇刊11(1):135-150。
[23] Li,C.,Lee,C.-Y.和Cheng,K.-H.(2004)。基于伪错误的自组织神经模糊系统,IEEE模糊系统汇刊12(6):812-819·Zbl 05452506号 ·doi:10.1109/TFUZZ.2004.836086
[24] Li,C.和Priemer,R.(1997)。自学习通用PID控制器,富兰克林研究所杂志334(2):167-189·Zbl 0925.93525号 ·doi:10.1016/S0016-0032(97)81151-9
[25] Li,C.和Priemer,R.(1999)。未知多输入多输出装置的模糊控制,模糊集与系统104(2):245-267·Zbl 0959.93034号 ·doi:10.1016/S0165-0114(97)00217-0
[26] Lu,C.-J.,Lee,T.-S.和Chiu,C.-C.(2009)。使用独立成分分析和支持向量回归进行财务时间序列预测,决策支持系统47(2):115-125·Zbl 05871845号 ·doi:10.1016/j.dss.2009.02.001
[27] Man,J.Y.、Chen,Z.和Dick,S.(2007年)。《面向复杂模糊推理系统的归纳学习》,北美模糊信息处理协会年会,NAFIPS 2007,美国加利福尼亚州圣地亚哥,第415-420页。
[28] Mansour,M.M.、Mekhamer,S.F.和El Kharbawe,N.-S.(2007年)。用于协调定向过电流继电器的改进粒子群优化器,IEEE电力输送汇刊22(3):1400-1410·doi:10.1109/TPWRD.2007.899259
[29] Moody,J.和Darken,C.J.(1989)。本地调谐处理单元网络中的快速学习,神经计算1(2):281-294·doi:10.1162/neco.1989.1.2.281
[30] Moses,D.、Degani,O.、Teodorescu,H.N.、Friedman,M.和Kandel,A.(1999)。复杂模糊集的语言坐标变换,IEEE国际模糊系统会议论文集,FUZZ-IEEE 1999,韩国首尔,第1340-1345页。
[31] Mousavi,S.J.、Ponnambalam,K.和Karray,F.(2007年)。使用模糊回归和ANFIS,fuzzy Sets and Systems推断水库运行规则158(10):1064-1082·Zbl 1115.68483号 ·doi:10.1016/j.fss.2006.10.024
[32] Niu,B.、Zhu,Y.、He,X.和Wu,H.(2007)。MCPSO:一个多温合作粒子群优化器,应用数学与计算185(2):1050-1062·Zbl 1112.65055号 ·doi:10.1016/j.amc.2006.07.026
[33] Paul,S.和Kumar,S.(2002年)。亚方法产品模糊神经推理系统(SUPFUNIS),IEEE神经网络汇刊13(3):578-599·doi:10.1109/TNN.2002.1000126
[34] Ramot,D.、Friedman,M.、Langholz,G.和Kandel,A.(2003)。复杂模糊逻辑,IEEE模糊系统汇刊11(4):450-461·doi:10.1109/TFUZZ.2003.814832
[35] Ramot,D.、Milo,R.、Friedman,M.和Kandel,A.(2002年)。复杂模糊集,IEEE模糊系统汇刊10(2):171-186·数字对象标识代码:10.1109/91.995119
[36] Rojas,I.、Valenzuela,O.、Rojas、F.、Guillen,A.、Herrera,L.J.、Pomares,H.、Marquez,L.和Pasadas,M.(2008年)。时间序列预测的软件计算技术和ARMA模型,神经计算71(4-6):519-537·兹比尔05718491 ·doi:10.1016/j.neucom.2007.07.018
[37] Simin Shi-ki,K.(2010年)。具有分层域划分的神经模糊系统中的规则权重,国际应用数学与计算机科学杂志20(2):337-347,DOI:10.2478/v10006-010-0025-3·Zbl 1196.93042号 ·doi:10.2478/v10006-010-0025-3
[38] Smetek,M.和Trawinski,B.(2011年)。使用自适应遗传算法选择异质模糊模型集合,新一代计算29(3):309-327·Zbl 06107860号 ·文件编号:10.1007/s00354-010-0305-3
[39] Tung,W.L.和Quek,C.(2011年)。使用自组织神经模糊语义网络和基于期权跨骑的方法进行金融波动性交易,应用专家系统38(5):4668-4688·doi:10.1016/j.eswa.2010.07.116
[40] Vo,N.、Quang,T.、Dinh,T.和Dinh。使用随机森林和在线外观模型进行鲁棒视觉跟踪,见N.T.Nguyen、C.-G.Kim和A.Janiak,《智能信息和数据库系统》,《人工智能讲义》,第6592卷,柏林/海德堡Springer-Verlag出版社,第212-221页。
[41] 雅虎恒生指数财务(2011)。网站:http://finance.yahoo.com/q?s=“HSI。
[42] 《日经225指数雅虎财经》(2011年)。网站,http://finance.yahoo.com/q?s=“N225。
[43] Yahoo Finance for Taiwan Stock Exchange Capitalization Weighted Stock Index(2011年)。网站,http://finance.yahoo.com/q?s=“TWII。
[44] Yuhui,S.和Eberhart,R.C.(2001)。模糊自适应粒子群优化,《2001年进化计算大会论文集》,韩国首尔,第101-106页。
[45] Zhang,G.,Dillon,T.S.,Cai,K.-Y,Ma,J.和Lu,J..(2009)。复杂模糊集的运算性质和δ-等式,国际近似推理杂志50(8):1227-1249·Zbl 1196.03077号 ·doi:10.1016/j.ijar.2009.05.010
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。