基于EMD和SSA的股票预测模型

doi:10.3778/j.issn.1002-8331.2205-0572

摘要/Abstract

摘要： 为了提高金融序列的预测精度，提出了一种基于经验模态分解（EMD）和奇异谱分析（SSA）的EMD-SSA-LSTM-SVR组合预测模型。该模型结合了EMD分解和SSA分解各自的优点，将原始金融序列分解为具有不同时间尺度的分量，充分发挥LSTM模型处理长期依赖序列的优势以及SVR模型对非线性序列的泛化能力对各个分量进行预测，集成得到金融序列的预测值。实验表明，与现有的EMD-LSTM、EMD-SVR、SSA-SVR和SSA-LSTM等基于EMD和SSA的预测模型相比，EMD-SSA-LSTM-SVR模型具有更高的预测精度。

关键词: 经验模态分解, 奇异谱分析, 长短时记忆网络, 支持向量回归

Abstract: In order to improve the prediction accuracy of financial series, a combined EMD-SSA-LSTM-SVR prediction model based on empirical modal decomposition（EMD） and singular spectrum analysis（SSA） is proposed. The model combines the respective advantages of EMD decomposition and SSA decomposition, decomposes the original financial series into components with different time scales, and then makes full use of the advantages of the LSTM model in dealing with long-term dependent series and the generalization ability of the SVR model for non-linear series to forecast each component, and finally integrates them to obtain the predicted values of the financial series. Experiments show that the EMD-SSA-LSTM-SVR model has higher prediction accuracy than existing EMD and SSA-based prediction models such as EMD-LSTM, EMD-SVR, SSA-SVR and SSA-LSTM.

Key words: empirical modal decomposition（EMD）, singular spectrum analysis（SSA）, long short-term memory networks（LSTM）, support vector regression（SVR）

谢游宇, 王万雄. 基于EMD和SSA的股票预测模型[J]. 计算机工程与应用, 2023, 59(18): 285-292.

XIE Youyu, WANG Wanxiong. Stock Forecasting Model Based on EMD and SSA[J]. Computer Engineering and Applications, 2023, 59(18): 285-292.

参考文献

[1] 吴玉霞，温欣.基于ARIMA模型的短期股票价格预测[J].统计与决策，2016（23）：83-86.
WU Y X，WEN X.Short-term stock price forecasting based on ARIMA model[J].Statistics and Decision，2016（23）：83-86.
[2] 刘子园.基于GARCH类模型的股票波动性研究——以上证A股和上证B股指数为例[J].中小企业管理与科技（下旬刊），2020（5）：99-100.
LIU Z Y.Research on stock volatility based on GARCH model-taking the Shanghai A share index and the Shanghai B share index as examples[J].Management and Technology of SME（Late Edition），2020（5）：99-100.
[3] 胡亚南，张陶陶，李蕾，等.稀疏VAR在股票收益率研究的应用[J].数理统计与管理，2017，36（4）：731-739.
HU Y N，ZHANG T T，LI L，et al.Sparse VAR and its application to stock return[J].Journal of Applied Statistics and Management，2017，36（4）：731-739.
[4] 田劲松.我国股票成交量的灰GM（1，1）模型群有效性验证[J].统计与决策，2012（14）：159-161.
TIAN J S.The validity verification of grey GM（1，1） model group of stock trading volume in China[J].Statistics and Decision，2012（14）：159-161.
[5] 胡聿文.基于优化LSTM模型的股票预测[J].计算机科学，2021，48（S1）：151-157.
HU Y W.Stock forecast based on optimized LSTM model[J].Computer Science，2021，48（S1）：151-157.
[6] 耿晶晶，刘玉敏，李洋，等.基于CNN-LSTM的股票指数预测模型[J].统计与决策，2021，37（5）：134-138.
GENG J J，LIU Y M，LI Y，et al.Prediction model of stock index based on CNN-LSTM[J].Statistics and Decision，2021，37（5）：134-138.
[7] 包振山，郭俊南，谢源，等.基于LSTM-GA的股票价格涨跌预测模型[J].计算机科学，2020，47（S1）：467-473.
BAO Z S，GUO J N，XIE Y，et al.Model for stock price trend prediction based on LSTM and GA[J].Computer Science，2020，47（S1）：467-473.
[8] 邓佳丽，赵凤群，王小侠.MTICA-AEO-SVR股票价格预测模型[J].计算机工程与应用，2022，58（8）：257-263.
DENG J L，ZHAO F Q，WANG X X.MTICA-AEO-SVR model for stock price forecasting[J].Computer Engineering and Applications，2022，58（8）：257-263.
[9] 王卫红，卓鹏宇.基于PCA-FOA-SVR的股票价格预测研究[J].浙江工业大学学报，2016，44（4）：399-404.
WANG W H，ZHUO P Y.Research on stock price prediction based on PCA-FOA-SVR[J].Journal of Zhejiang University of Technology，2016，44（4）：399-404.
[10] 杨建辉，李龙.基于SVR的期权价格预测模型[J].系统工程理论与实践，2011，31（5）：848-854.
YANG J H，LI L.Option price forecasting model based on SVR[J].Systems Engineering-Theory and Practice，2011，31（5）：848-854.
[11] 高天.基于最优小波包变换、ARIMA与SVR的股票价格预测研究[J].贵州财经大学学报，2015（6）：57-69.
GAO T.Research on stock price prediction based on optimal wavelet packet transformation and ARIMA-SVR mixed model[J].Journal of Guizhou University of Finance and Economics，2015（6）：57-69.
[12] 娄磊，刘璐，刘先俊，等.基于小波去噪的ARIMA-LSTM混合模型及对股票价格指数的预测[J].长春理工大学学报（自然科学版），2021，44（2）：119-123.
LOU L，LIU L，LIU X J，et al.ARIMA-LSTM hybrid model based on wavelet denoising and prediction of stock price index[J].Journal of Changchun University of Science and Technology（Natural Science Edition），2021，44（2）：119-123.
[13] 程昌品，陈强，姜永生.基于ARIMA-SVM组合模型的股票价格预测[J].计算机仿真，2012，29（6）：343-346.
CHENG C P，CHEN Q，JIANG Y S.Research on stock price prediction based on wavelet decomposition and ARIMA-SVM combined model[J].Computer Simulation，2012，29（6）：343-346.
[14] 林赛燕.全球经济政策不确定性的演变趋势：基于EMD-ARIMA模型的预测分析[J].商业经济与管理，2022（3）：74-86.
LIN S Y.Evolution trend of global economicpolicy uncertainty：a forecasting analysis with EMD-ARIMA model[J].Journal of Business Economics，2022（3）：74-86.
[15] 贺毅岳，高妮，王峰虎，等.EMD分解下基于SVR的股票价格集成预测[J].西北大学学报（自然科学版），2019，49（3）：329-336.
HE Y Y，GAO N，WANG F H，et al.Research on integrated forecasting of stock price based on EMD and support vector regression[J].Journal of Northwest University（Natural Science Edition），2019，49（3）：329-336.
[16] 刘铭，单玉莹.基于EMD-LSTM模型的股指收盘价预测[J].重庆理工大学学报（自然科学），2021，35（12）：269-276.
LIU M，SHAN Y Y.Prediction of closing price of stock index based on EMD-LSTM model[J].Journal of Chongqing University of Technology（Natural Science），2021，35（12）：269-276.
[17] 肖小兵，刘宏立，马子骥.基于奇异谱分析的经验模态分解去噪方法[J].计算机工程与科学，2017，39（5）：919-924.
XIAO X B，LIU H L，MA Z J.An empirical mode decomposition de-noising method based on singular spectrum analysis[J].Computer Engineering and Science，2017，39（5）：919-924.
[18] HUANG N E，SHEN Z，LONG S R，et al.The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis[J].Proceedings：Mathematical，Physical and Engineering Sciences，1998，454（1971）：903-995.
[19] HOCHREITER S，SCHMIDHUBER J.Long short-term memory[J].Neural Computation，1997（8）：1735-1780.
[20] ANDREW L R.Analysis of time series structure：SSA and related techniques[J].Technometrics，2002，44（3）：290-290.
[21] VAPNIK N V.Support vector method for function estimation[C]//Advances in Neural Information Processing Systems，2001：281-287.
[22] CAO L Y.Practical method for determining the minimum embedding dimension of a scalar time series[J].Physica D：Nonlinear Phenomena，1997，110（1）：43-50.