TY -的A2 -黄,人梁盟——Benrhmach Ghassane盟——Namir Khalil盟——Namir Abdelwahed盟——Bouyaghroumni贾马尔PY - 2020 DA - 2020/04/27 TI -非线性自回归神经网络和扩展卡尔曼滤波器预测金融时间序列的SP - 5057801六世- 2020 AB -时间序列分析和预测是主要的科学挑战,找到他们的应用程序等众多领域的金融、生物学、经济学、气象学等。获得预测误差最小的方法是金融市场和投资分析师的难题之一。状态空间模型是一种有效和灵活的方法，统计推断的一类时间序列和其他数据。神经网络是分析时间序列的重要工具，特别是当时间序列是非线性和非平稳时。Box-Jenkins方法论、神经网络和扩展卡尔曼滤波研究的基本工具被放在一起。我们研究使用非线性自回归神经网络方法作为金融时间序列的预测技术，并应用扩展卡尔曼滤波算法来提高模型的准确性。作为一个实例的应用，我们分析了790天期间的钢材日价格的时间序列，以确定该方法相对于其他现有方法的优越性。利用MATLAB和R软件进行的仿真结果表明，该模型能够产生合理的精度。SN - 1110-757X UR - https://doi.org/10.1155/2020/5057801 DO - 10.1155/2020/5057801 JF -应用数学杂志PB - Hindawi KW - ER -