基于区间时间序列小波多尺度分解的组合预测方法

作者：刘金培; 汪漂; 黄燕燕; 陶志富

来源：统计与决策, 2020, 36(19): 5-9.

DOI：10.13546/j.cnki.tjyjc.2020.19.001

• 区间组合预测
• 区间多尺度分解
• Holt’s指数平滑
• SVR
• ARIMA

针对非线性、非平稳且呈现剧烈波动的区间时间序列,文章提出了一种新的基于区间时间序列小波多尺度分解的组合预测方法。首先,建立区间时间序列小波多尺度分解模型对区间时间序列进行分解和重组,得到区间趋势序列与残差序列。然后,用Holt’s指数平滑方法、ARIMA模型和支持向量回归(SVR)三种单项预测方法对分解后的趋势序列和残差序列进行预测,再通过BP神经网络对单项预测结果进行集成,得到区间时间序列最终预测值。最后,将本模型应用于WTI原油价格的实证分析中,结果表明,相比已有的预测方法,所提出的区间时间序列组合预测方法具有较高的预测精度和良好的适用性。

• 单位
  安徽大学