混沌序列自适应多步预测及在股票中的应用.pdf

2005年12月系统工程理论与实践第12期

文章编号:100026788(2005)1220062207

混沌序列自适应多步预测及在股票中的应用

孟庆芳1,张强2,牟文英1
(11山东大学信息科学与工程学院,山东济南250100;21济南市半导体元件实验所,山东济南250014)

摘要:针对混沌时间序列自适应预测方法在多步预测中预测器系数无法调节的问题,根据混沌时间序
列的短期可预测性及自适应算法的自适应跟踪混沌运动轨迹的特点,提出了一种自适应多步预测方法.
在多步预测中,该方法根据已知样本得到对将来值的预测值并能自适应调节滤波器系数.仿真结果表明
此方法的多步预测性能明显好于自适应预测方法的多步预测性能.将此方法应用于对股票数据的预测,
得到了较好的预测结果.
关键词:自适应多步预测方法;混沌时间序列;股票数据
中图分类号:TP183文献标识码:A

ANovelAdaptiveMulti2step2predictionMethodforChaotic
TimeSeriesandItsApplicationsinStockMarket

MENGQing2fang1,ZHANGQiang2,MUWen2ying1
(11SchoolofInformationScienceandEngineering,ShandongUniversity,Ji’nan250100,China;21InstituteofJinan’sSemiconductor
ElementExperimentation,Ji’nan250014,China)

Abstract:Basedontheshort2termpredictabilityofchaotictimeseriesandtheadaptivetrackingchaotictrajectoryof
adaptivealgorithm,anoveladaptivemulti2step2predictionmethodisproposedtoresolvetheproblemofadjustingfilter’
sparametersoftheadaptivepredictionmethodduringmulti2steppredictioninthispaper;andthismethodisusedto
predicttypicalchaotictimeseriesandchaoticstockdata.Duringmulti2steppredictionthismethodcanadjustfilter’s
parametersandgetthemulti2steppredictionvalueusingthedataweknow.Simulationresultsshowthat:thisadaptive
multi2step2predictionmethodcanbesuccessfullyusedtomakemulti2steppredictionsoftypicalchaotictimeseriesand
stockdata,andthismethod’smulti2step2predictionperformanceisbetterthantheadaptivepredictionmethod’s.
Keywords:adaptivemulti2step2predictionmethod;chaotictimeseries;stockdata

1引言
混沌现象是自然界广泛存在的一种不规则运动,是一种由确定的非线性动力系统生成的复杂行为.混
沌信号本质的宽带、似噪声、对初始条件敏感、短期可预测及长期不可预测等特点,使其在信号处理、通信、
控制、社会经济、生物医学等领域中有着越来越重要的应用.随着混沌理论和应用技术研究的不断深入,混
沌系统的控制和混沌信号的建模预测[1～8]已成为混沌控制及混沌信息处理领域中近几年来的一个重要研
究热点.
由于各类神经网络具有普遍的非线性函数逼近能力,因而它们是用于混沌时间序列预测的主要工具
之一[5～8],但是,通过输入-输出对神经网络进行训练,只是调节神经网络去模拟混沌系统行为的特定轨
迹,得到的只是给定激励的特定解,当一个新的激励输入系统时,这类预测模型就可能得不到正确的系统
行为,文献[5～8]利用神经网络技术对股票数据的多步预测的有效值大都在四日以内.
基于混沌信号产生的确定性、非线性机制以及大量的非线性系统可用Volterra级数来表征这一特点,
文献[1～4]研究了混沌时间序列的Volterra自适应预测方法,它们在单步预测中都取得了较高的预测精
度,但是文献[1～4]没有分析其预测模型的多步预测性能.

收稿日期:20042