发表服务
论文还从随机微分方程的角度比较和分析了两类波动模型之间存在的相互关系。并讨论了多变量时间序列波动持续性在现代资产组合投资和资本资产定价中的作用和意义。在将有关结论应用于实际问题的分析中,得到了比较满意的结果。
以上结果和分析说明Granger因果关系挖掘结合支持向量回归构建的预测模型对多变量时间序列的预测是可行有效的。在多变量时间序列中，剔除冗余变量或者无关变量后，再输入到预测模型中能改善预测的效果并减少预测的成本。
东南大学硕士学位论文多变量时间序列的非线性检验及其在股票市场中的应用姓名：汤龙坤申请学位级别：硕士专业：应用数学指导教师：王海燕20031201多变量时间序列的非线性检验及其在股票市场中的应用研究生：汤龙坤导师；王海燕副教授东南大学摘要本文运用非线性动力学分析方法...
时间序列分析：1篇时空预测：3篇时空表示：1篇序列神经网络：3篇No.1时间序列预测论文标题...坐标。受经典分析技术启发，对混沌吸引子进行部分观测，我们引入了一种用于单变量和多…
多变量时间序列的异常识别与分类研究，这是一篇博士论文，该论文详细介绍了时间序列方面的挖掘。详细介绍了分类。TimeSeriesClassification(时间序列分类)酒酿小圆子呀～08-1318001.数据集UCRTimeSeries(新地址)UCRTimeSeries...
多变量时间序列的可视化有助于我们理解这个过程。本文的最后一部分提出了一个简单的三维图形来辅助PCA结果的可视化，它旨在补充现有的多变量时间序列数据的图形化方法。其思想是将多变量数据可视化为一个曲面，然后用PCA进行分解。
Copula理论及其在多变量金融时间序列分析上的应用研究-分章节下载.第一章绪论.10-23.1.1论文的研究背景.10-15.1.1.1国际金融市场快速发展.10-11.1.1.2计量经济学在现代经济学中的重要地位.11-12.
因此,本文围绕多变量时间序列分类中的降维和相似性度量问题展开:1、对现有的针对多变量时间序列的分类问题进行了梳理总结,尤其是对其中的关键环节——数据预处理和降维、相似性度量方法——进行了详细分析,指出其中的不足,从而产生本论文的研究方向。
1毕业论文开题报告信息与计算科学时间序列分析模型研究一选题的背景与意义选题背景时间序列分析研究的一个重要原动力源于金融市场超大容量数据的获得。在经济全球化竞争日益激烈和金融市场日益复杂的环境中，这些数据的可利用价值对于投资者的作用越来越大。
摘要目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高。提出采用基于支持向量机SVM(SupportVectorMachines)的多变量股市时间序列预测算法,来提高预测准确度。SVM训练算法中,合适的参数可以使训练模型具有更好泛化
论文还从随机微分方程的角度比较和分析了两类波动模型之间存在的相互关系。并讨论了多变量时间序列波动持续性在现代资产组合投资和资本资产定价中的作用和意义。在将有关结论应用于实际问题的分析中,得到了比较满意的结果。
以上结果和分析说明Granger因果关系挖掘结合支持向量回归构建的预测模型对多变量时间序列的预测是可行有效的。在多变量时间序列中，剔除冗余变量或者无关变量后，再输入到预测模型中能改善预测的效果并减少预测的成本。
东南大学硕士学位论文多变量时间序列的非线性检验及其在股票市场中的应用姓名：汤龙坤申请学位级别：硕士专业：应用数学指导教师：王海燕20031201多变量时间序列的非线性检验及其在股票市场中的应用研究生：汤龙坤导师；王海燕副教授东南大学摘要本文运用非线性动力学分析方法...
时间序列分析：1篇时空预测：3篇时空表示：1篇序列神经网络：3篇No.1时间序列预测论文标题...坐标。受经典分析技术启发，对混沌吸引子进行部分观测，我们引入了一种用于单变量和多…
多变量时间序列的异常识别与分类研究，这是一篇博士论文，该论文详细介绍了时间序列方面的挖掘。详细介绍了分类。TimeSeriesClassification(时间序列分类)酒酿小圆子呀～08-1318001.数据集UCRTimeSeries(新地址)UCRTimeSeries...
多变量时间序列的可视化有助于我们理解这个过程。本文的最后一部分提出了一个简单的三维图形来辅助PCA结果的可视化，它旨在补充现有的多变量时间序列数据的图形化方法。其思想是将多变量数据可视化为一个曲面，然后用PCA进行分解。
Copula理论及其在多变量金融时间序列分析上的应用研究-分章节下载.第一章绪论.10-23.1.1论文的研究背景.10-15.1.1.1国际金融市场快速发展.10-11.1.1.2计量经济学在现代经济学中的重要地位.11-12.
因此,本文围绕多变量时间序列分类中的降维和相似性度量问题展开:1、对现有的针对多变量时间序列的分类问题进行了梳理总结,尤其是对其中的关键环节——数据预处理和降维、相似性度量方法——进行了详细分析,指出其中的不足,从而产生本论文的研究方向。
1毕业论文开题报告信息与计算科学时间序列分析模型研究一选题的背景与意义选题背景时间序列分析研究的一个重要原动力源于金融市场超大容量数据的获得。在经济全球化竞争日益激烈和金融市场日益复杂的环境中，这些数据的可利用价值对于投资者的作用越来越大。
摘要目前在股市时间序列预测中,大多数采用单变量时间序列预测算法,导致预测准确度不够高。提出采用基于支持向量机SVM(SupportVectorMachines)的多变量股市时间序列预测算法,来提高预测准确度。SVM训练算法中,合适的参数可以使训练模型具有更好泛化
发表服务