小波分析在经济预测模型中的应用

经济信号也是一种时间序列 ,它和小波分析中的信号具有相同的特性 .因此 ,可将经济时间序列看成经济信号 ,应用小波进行实际经济分析和预测 .论文针对最小二乘法的不足 ,提出了多分辨回归分析处理经济数据分析的方法 .本文在建立宏观模型时 ,利用小波分析对经济数据进行预处理 ,获得能反映宏观变化趋势的低频信息 ,再用最小二乘法进行拟合和预测 ,通过对传统最小二乘法建立的模型的对比分析 ,结果表明 :本方法优于一般最小二乘法 .     

小波分析方法在金融股票数据预测中的应用

利用小波分析预测方法对金融数据—股票收盘价这一典型的非平稳时间序列进行预测.使用M a llat小波分解算法对数据进行分解,对分解后的数据进行平滑处理,然后再进行重构,而重构之后的数据就成为近似意义的平稳时间序列,这样就得到了原始数据的近似信号,再应用传统时间序列预测方法对重构后的数据进行预测,将预测结果与实际值,以及和传统预测方法预测结果比较,小波分析方法预测效果更为理想.     

经济时间序列的连续参数小波网络预测模型

本文利用连续小波变换方法,给出一种连续参数小波网络。网络参数的学习采用一种类似神经网络的后向传播学习算法的随机梯度算法。另外,提出了一种借助小波分析理论指导网络参数赋初值的方法。进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。预测结果表明,此模型具有较好的泛化、学习能力,可以有效地在数值上逼近时间序列难以定量描述的相互关系,所以利用连续参数小波网络建立的时间序列预测模型有较高的预测精度。     

小波在股市数据分析中的应用

本文把股票日收益率时间序列看作一维时间信号 ,构造了新的小波母函数作为滤波器 ,对此时间信号做滤波处理 ,消除了数据的奇异性 ,从而可以宏观地预测股票日收益率走势 .     

M-带插值小波包

本文给出M-带插值小波包的构造.M-带插值小波包是根据基插值函数建立的迭代函数序列进行伸缩平移的空间序列.这种小波包可使信号分解更为精细,并具有更好的局部性.由此建立了这种小波包子空间上的近似采样定理.     

基于小波分解和ANFIS模型的CPI统计数据预测

介绍应用小波分析理论解决时间序列统计数据的测量误差消除问题,实例证明借助离散小波分解与重构手段,可有效地从误差干扰的统计数据序列中提取统计数据的原始特征.完成CPI经济序列数据预测,为CPI统计数据的误差消除引入一种有效方法.     

基于小波变换的小样本随机振荡序列灰色预测模型

针对GM(1,1)幂模型对于小样本振荡序列对含突变信息无能为力的问题,提出了基于小波变换的小样本振荡序列灰色预测模型.首先,针对原始数据序列建立GM(1,1)幂模型描述其总体趋势特征;然后,利用小波变换提取GM(1,1)幂模型残差序列所包含的有用信号和随机噪声,并结合GM(1,1)幂模型构成新的时间相应函数;最后,以与原始平均误差最小为原则确定小波变换的小波基和分解层次并对小波进行重构GM(1,1)幂模型残差序列,并结合原始GM(1,1)幂模型对随机振荡序列进行预测.算例中通过对城市用水量的拟合及预测结果表明:应用基于傅立叶变换的GM(1,1)幂振荡序列模型和基于分数阶离散GM(1,1)幂模型研究了振荡序列模型平均误差分别为3.22%和5.66%,而本文的方法平均误差为1.11%.算例研究表明,此方法能够快速高效的解决GM(1,1)幂模型对小样本有突变趋势振荡序列的预测问题.     

沪深港股市相关性的小波分析

主要使用离散小波变换(DW T)对沪深港股市的相关性进行研究.小波可以把方差和相关系数在不同尺度上进行分解,以便更仔细地研究时间序列的波动性在不同尺度上的相关程度.研究发现:三地股票市场的波动性都随着小波尺度的变化而变化;沪深股市与香港股市相关性非常低,而且在不同尺度上相关程度有较大差别.     

非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法及其应用

提出非平稳时间序列分析的WAVELET—改进GM(1,1)组合方法.首先利用Mallat算法对非平稳时间序列进行小波分解;然后采用能量阈值选择策略对高频系数进行处理,并将其与低频系数进行小波重构;最后运用改进的GM(1,1)方法预测.该方法不仅能充分拟合低频信息,而且可避免对高频信息的过拟合.实验结果证明,该方法比传统的非平稳时间序列预测方法具有更高的预测精度.     

基于混合模型的原油价格混沌预测方法

针对原油现货价格的非线性和时变性特征,提出一种小波变换结合Elman神经网络和广义自回归条件异方差(GARCH)模型的混沌预测方法。首先利用小波变换将原油现货价格序列分解和重构成概貌序列和细节序列。其次对概貌序列和原油期货价格序列进行相空间重构,建立Elman神经网络的混沌时间序列模型预测概貌序列的未来值;同时以细节序列为历史数据,构建GARCH模型预测细节序列的未来值;最后将概貌序列和细节序列的未来值求和作为最终的预测值。实验证明该方法能够提供更准确的预测结果。     

A penalised data-driven block shrinkage approach to empirical Bayes wavelet estimation

In this paper we propose a simple Bayesian block wavelet shrinkage method for estimating an unknown function in the presence of Gaussian noise. A data-driven procedure which can adaptively choose the block size and the shrinkage level at each resolution level is provided. The asymptotic property of the proposed method, BBN (Bayesian BlockNorm shrinkage), is investigated in the Besov sequence space. The numerical performance and comparisons with some of existing wavelet denoising methods show that the new method can achieve good performance but with the least computational time.     

Wavelet estimation in diffusions with periodicity

We consider a time-inhomogeneous diffusion process, whose drift term contains a deterministic T-periodic signal with known periodicity. This signal is supposed to be contained in a Besov space, we try to estimate it using a non-parametric wavelet estimator. Our estimator is inspired by the thresholded wavelet density estimator constructed by Donoho, Johnstone, Kerkyacharian and Picard in 1996. Under certain ergodicity assumptions to the process, we can give the same asymptotic rate of convergence as for the density estimator.     

Wavelet analysis of cycle-to-cycle pressure variations in an internal combustion engine

Using a continuous wavelet transform we have analyzed the cycle-to-cycle variations of pressure in an internal combustion engine. The time series of maximum pressure variations are examined for different loading and their wavelet power spectrum is calculated for each load. From the wavelet power spectrum we detected the presence of long, intermediate and short-term periodicities in the pressure signal. It is found that depending on the load, the long and intermediate-term periodicities may span several cycles, whereas the short-period oscillations tend to appear intermittently. Knowledge of these periodicities may be useful to develop effective control strategies for efficient combustion.     

相关数据密度函数的非线性小波估计

本文考虑了严平稳随机序列密度函数的非线性小波估计,证明了在Besov空间中,非线性小波估计可达到最优收敛速度.进一步讨论了自适应非线性小波估计,证明了自适非线性小波估计可达到次最优速度即和最优速度相差in n.     

二进小波变换的卷积定理

本文研究二进小波变换在信号处理中的应用.首先证明了两个满足容许性条件和规范性条件的二进小波的卷积和相关仍满足容许性和规范性条件,然后证明了二进小波变换的卷积定理和相关性定理,最后给出数值例子说明二进小波变换的卷积定理在加噪信号重构中的优越性.     

Localisation of directional scale-discretised wavelets on the sphere

Scale-discretised wavelets yield a directional wavelet framework on the sphere where a signal can be probed not only in scale and position but also in orientation. Furthermore, a signal can be synthesised from its wavelet coefficients exactly, in theory and practice (to machine precision). Scale-discretised wavelets are closely related to spherical needlets (both were developed independently at about the same time) but relax the axisymmetric property of needlets so that directional signal content can be probed. Needlets have been shown to satisfy important quasi-exponential localisation and asymptotic uncorrelation properties. We show that these properties also hold for directional scale-discretised wavelets on the sphere and derive similar localisation and uncorrelation bounds in both the scalar and spin settings. Scale-discretised wavelets can thus be considered as directional needlets.     

正交小波变换的向量空间算法

本文揭示了一个事实，小波不仅可构成Ｌ２空间中的正交基，小波分解与重构滤波还可产生Ｎ维空间中的正交基．在本文提出修改的小波变换算法之下，Ｎ点信号的小波变换等价于Ｎ维空间中的正交变换．用该算法进行信号或图象压缩，无需对信号或图象进行周期延拓，可严格地在Ｎ维空间中进行．     

The wavelet property of the geomagnetic anomaly signal

In this study, wavelet analysis is utilized to analyze the geomagnetic signals for oil-gas exploration, in order to show the relation between the wavelet property of the geomagnetic signals and the underground treasure. At first, the global geomagnetic anomaly signal in the oil exploration is given. Then, with the wavelet theory the geomagnetic signals of an oil-gas field is analyzed. The preliminary wavelet analysis shows that the underground oil-gas location can be determined with the help of its regional high frequency signal distributions.