1) Time Series in Economy and Finance
经济金融时间序列
1.
The Study on the Wavelet Theory and Their Applications of Time Series in Economy and Finance;
近年来,小波分析开始被引入经济与金融领域,作为处理经济金融时间序列数据的工具。
2) financial time series
金融时间序列
1.
Neural network methods in financial time series forcasting;
金融时间序列预测中的神经网络方法
2.
Financial Time Series Researching Based on Support Vector Machine;
基于支持向量机的金融时间序列研究
3.
Because financial time series was unstable,complicated,nonlinear,and containing noise data,it was very difficult to get the satisfied forecasting effect.
由于金融时间序列是非平稳的、复杂的,非线性的,含有噪声数据,传统的方法很难得到满意的预测效果。
3) economic time series
经济时间序列
1.
Applying the BDS statistics to measure analysis method and the Lyapunov exponent analysis method, we study the machine characteristic and mentally dense characteristic of economic time series.
应用BDS统计量分析方法以及Lyapunov指数的分析方法研究经济时间序列的随机特性、混沌特性,应用R/S分析方法研究时间序列短期或长期依赖特性及其演化趋势,从而进一步探明时序所对应的系统的内在复杂性本质,为时序的建模提供理论依据。
2.
Furthermore,general methods and procedure for economic time series forecasting models are proposed based on continuous parameter wavelet networks,which are used in forecast simulation of the tim.
进一步,通过对中国进出口贸易额时间序列预测建模的研究和仿真预测,提出了用连续参数小波网络建立经济时间序列预测模型的一般步骤和方法。
3.
In this paper, we introduce wavelet to analysis the economic time series, which is a new mathematical theory and method.
文中把小波分析引入经济时间序列的分析中,利用小波具有时频局部性的优点,通过选择适当的小波基来显示经济时间序列的周期性和随机性,并由神经网络计算方法来确定经济时间序列的趋势函数及小波基的系数。
4) high-frequency financial time series
高频金融时间序列
1.
Research on the relationship of co-persistence based on high-frequency financial time series;
高频金融时间序列的协同持续关系研究
2.
In order to research deeply on the microstructure of market, analyzing and modeling the volatility of high-frequency financial time series become the hotspots of domestic and foreign econometric researchers.
高频金融时间序列数据样本容量大,采集周期短,包含了丰富的市场信息,是金融市场特征的最好反映。
6) Multivariate Financial Time Series
多变量金融时间序列
1.
Copula Theory and Its Applications in Multivariate Financial Time Series Analysis;
Copula理论及其在多变量金融时间序列分析上的应用研究
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条