| 卡尔曼滤波在高频金融时间序列模型预测中的应用 | |
| 谢合亮 ; 张砣 | |
| 刊名 | 统计与决策
 |
| 2017 | |
| 关键词 | 收益率 沪深300指数 预测 高频交易 |
| 英文摘要 | 时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。; 13; 82-84 |
| 语种 | 中文 |
| 内容类型 | 期刊论文 |
| 源URL | [http://ir.pku.edu.cn/handle/20.500.11897/465318]  |
| 专题 | 软件与微电子学院 |
| 推荐引用方式 GB/T 7714 | 谢合亮,张砣. 卡尔曼滤波在高频金融时间序列模型预测中的应用[J]. 统计与决策,2017. |
| APA | 谢合亮,&张砣.(2017).卡尔曼滤波在高频金融时间序列模型预测中的应用.统计与决策. |
| MLA | 谢合亮,et al."卡尔曼滤波在高频金融时间序列模型预测中的应用".统计与决策 (2017). |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论