【出 处】：《 计算机仿真 》 CSCD 2012年第29卷第6期 343-346页,共4页

【作 者】： 程昌品 ; 陈强 ; 姜永生

【摘 要】 现有的股票价格准确预测方法各有优缺点，为了发挥各种预测方法的优点，提出二进正交小波变换和ARIMA—SVM方法的非平稳时间序列预测方案。使用小波分解算法对数据进行分解，分离出非平稳时间序列中的低频信息和高频信息；然后对高频信息构建自回归模型ARIMA预测，对低频信息则用SVM模型进行拟合；最后将各模型的预测结果进行叠加，从而得到原始时间序列的预测值。将预测结果与实际值比较，组合模型具有较好的预测效果。经实验证明，小波分解的ARI—MA—SVM组合模型较单一的预测模型效果更为理想。