PHBS_TQFML-StockIndex-Wavelet-Transformation-ARIMA-ML-Model:PHBS...

PHBS_TQFML-项目 方法 股指数据通常具有很大的噪声并且不稳定，这对我们使用ML（机器学习）方法预测指数而言是一个巨大的挑战。 但是，小波变换是傅立叶变换的升级版本，可以用作减少股指噪声并平滑数据的很好的过滤器，从而帮助我们将更多注意力放在股指的主要趋势上。 图1. DWT的筛选器库方案 在图中，H，L和H'，L'分别是用于小波分解和重构的高通和低通滤波器。 在分解阶段，低通滤波器去除信号的高频分量，而高通滤波器拾取其余部分。 然后，将滤波后的信号进行二次下采样，其结果称为近似系数和细节系数。 重建只是分解的逆过程，对于完美的重建滤波器组，我们有x = x'。 信号可以通过级联算法进一步分解，如以下等式所示： 图2.小波分解树 预测模型。 ARMA-ML（自回归移动平均值和机器学习）模型 经过小波变换后，股票指数数据分为低频和高频两种。 由于高频是固定的，ARMA-ML模型正在