摘要
本发明公开了一种期货价格预测方法、系统、设备及介质,涉及价格预测技术领域,本发明通过CEEMDAN分解算法将复杂的期货价格时间序列数据分解为高频序列、低频序列和残差序列,并针对分解后的序列分别使用GARCH模型、ARIMA模型和SVR模型进行建模,GARCH模型能够精确捕捉时间序列数据的高频波动性聚类现象,ARIMA模型能够精确捕捉时间序列数据的低频趋势和周期性波动,SVR模型能够有效处理非线性数据与残差序列间的复杂关系,该过程将原始时间序列数据中的高频波动和低频趋势精确分解后,并进行精确的处理预测,而后将高频波动预测值、低频趋势预测值和非线性残差预测值进行加权重构,以融合多模型的预测结构,整体提升期货价格的预测精确度。
技术关键词
期货价格预测
序列
支持向量回归模型
GARCH模型
ARIMA模型
非线性
SVR模型
存储计算机程序
价格预测技术
广义
频率
交叉验证方法
多模型
方程
分解算法
数据获取模块
整体提升
重构模块
系统为您推荐了相关专利信息
有机电致发光材料
寿命监测装置
长短期记忆网络
多波段
时序特征
预警模型
患者
风险
宏基因组鉴定
文库构建试剂盒
角速度控制方法
仿生机械臂
逆向运动学
运动轨迹数据
更新方法
联合成像方法
重建MR图像
特异
磁共振
隐变量模型
资源管理方法
智能风光
时间序列关系
皮尔逊相关系数
时间序列预测模型