论文部分内容阅读
针对汇率数据具有随机性、非线性、高度波动性等复杂特征,提出了一种汇率预测的新方法(EEMD-SE-PSO-LSSVM).首先使用集合经验模态分解(EEMD)将原始美元兑人民币汇率序列分解为一系列的子序列.然后,通过样本熵(SE)量化各子序列的复杂度,将SE值接近的子序列进行合并重构.接着,通过相空间重构确定嵌入维数,并建立基于粒子群优化的最小二乘支持向量机(PSO-LSSVM)预测模型,然后对各子序列分别进行了预测.最后,对各子序列的预测结果进行非线性集成,得到汇率的最终预测值.通过对本文模型和其他多种模型预测结果的实证对比发现,采用本文提出的模型预测结果更准确,预测精度更高.