×
米尔扎伊·塔拉波什蒂（Fatemeh Mirzaei Talarposhti）；侯赛因·贾维达尼·萨代；拉苏尔·埃纳亚蒂法尔；弗雷德里科·加德拉·吉马朗斯；马苏德·马哈茂德；塔伊耶贝·埃斯拉米

使用指数模糊时间序列混合模型进行股市预测。 （英语） Zbl 1414.91426号

国际J近似推理 70, 79-98 (2016).
摘要：本研究的最初目的是提出一种基于指数模糊时间序列和基于学习自动机的优化的混合方法用于股市预测。为此，引入了两阶段方法。在第一阶段，通过应用传统的模糊时间序列和学习自动机群智能算法来适当调整区间长度，从而获得最优区间长度。随后，将获得的最佳长度应用于生成一个新的模糊时间序列，即本研究提出的指数模糊时间序列。在最后阶段，由于指数模糊时间序列的性质，需要进行另一轮优化来估计某些方法参数。最后，该模型用于未来预测。为了验证所提出的混合方法，使用了五个股票指数数据库中的46个案例研究，并将研究结果与著名的模糊时间序列模型和经典时间序列方法进行了比较。就准确性而言，该模型的表现优于同类模型。

引用于7文件

MSC公司：

91克70 统计方法；风险措施
90摄氏度70 模糊及其他非随机不确定性数学规划
90 C59 数学规划中的近似方法和启发式

关键词：

模糊时间序列；指数模糊时间序列；股票预测；学习自动机粒子群优化

软件：

fGarch公司；R度量；LAHS公司；PMCMR公司
PDF格式BibTeX公司 XML格式引用
\textit{F.Mirzaei Talarposhti}等人，《国际近似推理》70，79-98（2016；Zbl 1414.91426）
全文： 内政部

参考文献：

[1] 哈桑，M.R。；Nath，B.，《使用隐马尔可夫模型进行股市预测：一种新方法》，（第五届智能系统设计和应用国际会议，ISDA’05，会议记录（2005），IEEE），192-196
[2] Merh，N.，《股市预测》，J.Inf.Technol。申请。管理。，19, 1, 1-12 (2012)
[3] 黄，C.-L。；Tsai，C.-Y.，一种混合SOFM-SVR，具有用于股市预测的基于过滤器的特征选择，专家系统。申请。，36, 2, 1529-1539 (2009)
[4] 阿勒泰，E。；Satman，M.H.，《股市预测：新兴市场中的人工神经网络和线性回归比较》，J.Financ。管理。分析。，18（2005），可在SSRN购买
[5] 罗伊，S.S。；米塔尔，D。；巴苏，A。；Abraham，A.，使用LASSO线性回归模型进行股票市场预测，（非洲-欧洲工业进步会议（2015），斯普林格），371-381
[6] 帕特尔，J。；沙阿·S。；Thakkar，P。；Kotecha，K.，《利用机器学习技术的融合预测股市指数》，专家系统。申请。，42, 4, 2162-2172 (2015)
[7] Chen，T.-L。；Cheng，C.-H。；Jong Teoh，H.，基于斐波那契序列的股票价格预测模糊时间序列，Physica A，380377-390（2007）
[8] Huarng，K.，《改进模糊时间序列预测的有效区间长度》，模糊集系统。，123, 3, 387-394 (2001) ·Zbl 0992.91077号
[9] Huarng，K。；于洪康，股票指数预测的二类模糊时间序列模型，《物理A》，353445-462（2005）
[10] Yu，H.K.，加权模糊时间序列模型在TAIEX预测中的应用，Physica A，349，3-4，609-624（2005）
[11] Javedani Sadaei，H。；Lee，M.H.，使用模糊时间序列的多层股票预测模型，科学。《世界期刊》，2014年，第610594条，pp.（2014）
[12] 李，M.H。；Sadaei，H.J.，引入多项式模糊时间序列，J.Intell。模糊系统。，25, 1, 117-128 (2013) ·Zbl 1306.62200号
[13] 李，M。；Sadaei，H。；Suhartono，利用模糊时间序列和Box-Cox幂变换改进TAIEX预测，J.Appl。《统计》，第40、11、2407-2422页（2013年）·Zbl 1514.62688号
[14] 宋，Q。；Chissom，B.S.，用模糊时间序列预测入学人数——第一部分，模糊集系统。，54, 1, 1-9 (1993)
[15] 宋，Q。；Chissom，B.S.，用模糊时间序列预测入学人数——第二部分，模糊集系统。，62, 1, 1-8 (1994)
[16] 陈士明，基于模糊时间序列的招生预测，模糊集系统。，81, 3, 311-319 (1996)
[17] Huarng，K.，《改进模糊时间序列预测的有效区间长度》，模糊集系统。，123, 3, 387-394 (2001) ·Zbl 0992.91077号
[18] 尤尔库，美国。；Egrioglu，E。；乌斯鲁，V.R。；Basaran，医学硕士。；Aladag，C.H.，确定模糊时间序列间隔长度的新方法，应用。软计算。，9, 2, 647-651 (2009)
[19] Enayatifar，R。；萨达伊，H.J。；阿卜杜拉·A.H。；Gani，A.，用于短期负荷预测的帝国主义竞争算法与精细的高阶加权模糊时间序列（RHWFTS-ICA）相结合，Energy Convers。管理。，76, 1104-1116 (2013)
[20] 萨达伊，H.J。；Enayatifar，R。；阿卜杜拉·A.H。；Gani，A.，《使用混合模型进行短期负荷预测，该混合模型具有精细的指数加权模糊时间序列和改进的和谐搜索》，Int.J.Electr。电力能源系统。，62, 118-129 (2014)
[21] Enayatifar，R。；Yousefi，M。；阿卜杜拉·A.H。；Darus，A.N.，LAHS：基于学习自动机的新型和声搜索算法，Commun。非线性科学。数字。模拟。，2013年12月18日，3481-3497·Zbl 1344.68186号
[22] Yousefi，M。；Enayatifar，R。；Darus，A.N。；Abdullah，A.H.，通过改进的协调搜索算法优化板式换热器，应用。热量。工程师，50，1877-885（2013）
[23] 辛格，P。；Borah，B.，基于M因子模糊时间序列和粒子群优化的股指价格预测，国际期刊近似原因。，55, 3, 812-833 (2014) ·兹比尔1316.91036
[24] Fakhar，M.S。；卡希夫，S.A.R。；Saqib，医学硕士。；ul Hassan，T.，《使用完全知情的粒子群优化的非级联短期水热调度》，国际电工杂志。电力能源系统。，73, 983-990 (2015)
[25] 古尔库，ö。；Kodaz，H.，基于综合学习粒子群优化的新型并行多温算法，工程应用。Artif公司。智力。，45, 33-45 (2015)
[26] Lim，W.H。；Isa，N.A.M.，自适应分工粒子群优化，专家系统。申请。，42, 14, 5887-5903 (2015)
[27] Netjinda，N。；Achalakul，T。；Sirinaovakul，B.，受椋鸟群行为启发的粒子群优化，应用。软计算。，35, 411-422 (2015)
[28] Narendra，K.S。；Thathachar，M.，《学习自动机——调查》，IEEE Trans。系统。人类网络。，4, 323-334 (1974) ·Zbl 0279.68067号
[29] Zhao，Y。；蒋伟（Jiang，W.）。；李，S。；马云（Ma，Y.）。；苏·G。；Lin，X.，基于细胞学习自动机的复杂网络社区结构检测算法，神经计算，1511216-1226（2015）
[30] 莫扎法里，M。；Alizadeh，R.，《股票市场投资行为的细胞学习自动机模型》，神经计算，122，470-479（2013）
[31] Enayatifar，R。；Meybodi，M.，通过图像统计特征和模糊细胞自动机和细胞学习自动机的混合模型进行自适应边缘检测，（国际信息和多媒体技术会议，ICIMT'09（2009），IEEE），273-278
[32] Yousefi，M。；Enayatifar，R。；Darus，A.N。；Abdullah，A.H.，《紧凑型换热器热经济优化的基于稳健学习的进化方法》，国际通讯社。热质传递。，39, 10, 1605-1615 (2012)
[33] 埃伯哈特共和国。；Kennedy，J.，《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，第1卷）。《第六届微型机器与人类科学国际研讨会论文集》，第1卷，纽约州纽约市（1995年），第39-43页
[34] 吉姆，Z.W。；Kim，J.H。；Loganathan，G.，一种新的启发式优化算法：和谐搜索，Simulation，76，2，60-68（2001）
[35] Hyndman，R.J。；Koehler，A.B.，《预测准确性的另一种衡量方法》，《国际预测杂志》。，22, 4, 679-688 (2006)
[36] Yu，H.K.，加权模糊时间序列模型在TAIEX预测中的应用，Physica A，349，3，609-624（2005）
[37] Huarng，K。；Yu，T.H.K.，基于比率的区间长度改进模糊时间序列预测，IEEE Trans。系统。人类网络。，B部分，网络。，36228-340（2006年）
[38] Cheng，C.-H。；Chen，T.-L。；Teoh，H.J。；Chiang，C.-H.，基于自适应期望模型的TAIEX预测模糊时间序列，专家系统。申请。，34, 2, 1126-1132 (2008)
[39] 陈，S.-M。；Chen，C.-D.，基于高阶模糊逻辑关系处理预测问题，专家系统。申请。，38, 4, 3857-3864 (2011)
[40] Egrioglu，E。；Aladag，C.H。；尤尔库，美国。；Basaran，医学硕士。；Uslu，V.R.，基于SARIMA和部分高阶二元模糊时间序列预测模型的一种新的混合方法，专家系统。申请。，36, 4, 7424-7434 (2009)
[41] Hyndman，R.J.，《预测：时间序列和线性模型的预测函数》（2015），R包6.1版
[42] Akgiray，V.，《股票收益时间序列的条件异方差：证据和预测》，J.Bus。，55-80 (1989)
[43] Alberg，D。；沙利特，H。；Yosef，R.，使用非对称GARCH模型估计股市波动性，应用。财务。经济。，18, 15, 1201-1208 (2008)
[45] Hyndman，R.J。；Koehler，A.B。；斯奈德，R.D。；Grose，S.，《使用指数平滑方法进行自动预测的状态空间框架》，《国际预测杂志》。，18, 3, 439-454 (2002)
[46] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[47] Sachs，L.，Angewandte Statistik:Anwendung statistischer Methoden（2013），Springer-Verlag
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。