基于網(wǎng)絡(luò)的時(shí)間序列預(yù)測(cè).pdf

1、時(shí)間序列是指將某種現(xiàn)象某一個(gè)統(tǒng)計(jì)指標(biāo)在不同時(shí)間上的各個(gè)數(shù)值，按時(shí)間先后順序排列而形成的序列。時(shí)間序列預(yù)測(cè)就是通過編制和分析時(shí)間序列，根據(jù)時(shí)間序列所反映出來的發(fā)展過程、方向和趨勢(shì)，進(jìn)行類推或延伸，借以預(yù)測(cè)下一段時(shí)間或以后若干年可能達(dá)到的水平。時(shí)間序列預(yù)測(cè)在第二次世界大戰(zhàn)前應(yīng)用于經(jīng)濟(jì)干預(yù)。二次大戰(zhàn)中和戰(zhàn)后，在軍事科學(xué)、空間科學(xué)、工業(yè)自動(dòng)化和氣象預(yù)報(bào)等部門的應(yīng)用更加廣泛。時(shí)間序列預(yù)測(cè)內(nèi)容包括:收集與整理某種社會(huì)現(xiàn)象的歷史資料;對(duì)這些資料進(jìn)行檢

2、查鑒別，排成數(shù)列;分析時(shí)間數(shù)列，從中尋找該社會(huì)現(xiàn)象隨時(shí)間變化而變化的規(guī)律，得出一定的模式;以此模式去預(yù)測(cè)該社會(huì)現(xiàn)象將來的情況。
　　時(shí)間序列預(yù)測(cè)經(jīng)歷了漫長(zhǎng)的發(fā)展。從最初的樸素的描述性時(shí)間序列分析階段，到17世紀(jì)，隨著概率論中隨機(jī)變量和統(tǒng)計(jì)數(shù)學(xué)中一些結(jié)論和方法的發(fā)展，時(shí)間序列預(yù)測(cè)進(jìn)入了統(tǒng)計(jì)時(shí)序分析的時(shí)代，再到利用時(shí)間序列的頻域特征而發(fā)展起來的時(shí)間序列頻域分析和譜分析。時(shí)間序列主要的發(fā)展成果集中于時(shí)域分析方面，其中以自回歸(autor

3、egressive，AR)和移動(dòng)平均(moving average，MA)為代表的線性時(shí)間序列預(yù)測(cè)方法得到了極大的發(fā)展。
　　而相比較于線性時(shí)間序列的研究，非線性時(shí)間序列分析和預(yù)測(cè)方面的發(fā)展還處于嬰兒期。而今年來一個(gè)活躍的研究課題是試圖把復(fù)雜網(wǎng)絡(luò)理論應(yīng)用與時(shí)間序列分析，從復(fù)雜網(wǎng)絡(luò)這一全新的視角出發(fā)，發(fā)展一套從時(shí)間序列映射到復(fù)雜網(wǎng)絡(luò)的方法，期望能夠提取到新的序列結(jié)構(gòu)特征，從而深入認(rèn)識(shí)復(fù)雜網(wǎng)絡(luò)的結(jié)構(gòu)和動(dòng)力學(xué)機(jī)制。受到這種思路的啟發(fā)，我

4、們希望建立一種更具物理意義并可以保留時(shí)間信息的方法對(duì)時(shí)間序列進(jìn)行預(yù)測(cè)，我們將時(shí)間序列與網(wǎng)絡(luò)建立聯(lián)系，并試圖從中建立一種全新的時(shí)間序列預(yù)測(cè)模型。
　　同時(shí)受到可視圖和鏈路預(yù)測(cè)方面的一些前沿成果的啟發(fā)，我們利用可視圖理論將時(shí)間序列轉(zhuǎn)換為網(wǎng)絡(luò)，然后在網(wǎng)絡(luò)中利用鏈路預(yù)測(cè)的方法探究預(yù)測(cè)節(jié)點(diǎn)與已知節(jié)點(diǎn)之間的關(guān)系，最后再將可視圖轉(zhuǎn)換為時(shí)間序列，從而預(yù)測(cè)出時(shí)間序列的值。該預(yù)測(cè)模型與一些傳統(tǒng)的從統(tǒng)計(jì)分析的角度來預(yù)測(cè)時(shí)間序列的模型不同，該模型沒有將時(shí)

5、間序列的過去觀察值看作歷史數(shù)據(jù)來加以分析，而是將過去觀察值看作獨(dú)立的“個(gè)體”，利用過去觀察值與預(yù)測(cè)值之間的“關(guān)系信息”進(jìn)行預(yù)測(cè)。
　　實(shí)驗(yàn)證明該網(wǎng)絡(luò)時(shí)間序列模型能夠在具有較少觀測(cè)數(shù)據(jù)的情況下取得良好的預(yù)測(cè)結(jié)果。在進(jìn)行單步預(yù)測(cè)，歷史數(shù)據(jù)較少時(shí)，與傳統(tǒng)的非平穩(wěn)自回歸滑動(dòng)平均(ARIMA)模型、指數(shù)平滑模型、非線性神經(jīng)網(wǎng)絡(luò)模型對(duì)比，取得更好的預(yù)測(cè)效果。最后，該模型被應(yīng)用在臺(tái)灣證交所市值加權(quán)指數(shù)的現(xiàn)實(shí)數(shù)據(jù)預(yù)測(cè)中，同樣取得了良好的預(yù)測(cè)效果。