A Hybrid Model Combining a Gated Recurrent Unit Network Based on Variational Mode Decomposition with Error Correction for Stock Price Prediction

自回归积分移动平均 计算机科学 自回归模型 非线性系统 波动性(金融) 人工神经网络 时间序列 希尔伯特-黄变换 算法 计量经济学 数学 人工智能 机器学习 计算机视觉 量子力学 滤波器(信号处理) 物理
作者
Wen-Di Wan,Yulong Bai,Yani Lu,Lei Ding
出处
期刊:Cybernetics and Systems [Informa]
卷期号:: 1-25 被引量:2
标识
DOI:10.1080/01969722.2022.2137634
摘要

Due to the nonlinearity and high volatility of financial time series, hybrid forecasting systems combining linear and nonlinear models can provide more precise performance than a single model. Therefore, this study proposes a hybrid stock price forecasting model with error correction based on secondary decomposition. The modules of data decomposition, a prediction module and an error correction module constitute the overall framework of the model proposed in this paper. First, variational mode decomposition (VMD) decomposes the original stock closing price data and the initial prediction error sequence. Second, a gated recurrent unit (GRU) neural network model is selected to predict the original subseries. Finally, a new hybrid model consisting of the VMD method combined with an autoregressive integrated moving average (ARIMA) model is established to correct the error subseries. The proposed model is verified through four financial time series. The results show that (a) The combination of the VMD method and GRU network has a better prediction effect than a single model. (b) The combination of the VMD method and ARIMA method can effectively amend the error sequence and improve the prediction accuracy. (c) Error correction to the hybrid model has a great effect on improving the prediction performance of the model. The empirical results have illustrated that the proposed model indeed displays a good performance in forecasting stock market fluctuations compared with other baseline methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
1秒前
Kitty发布了新的文献求助10
2秒前
步步高发布了新的文献求助10
2秒前
爆米花应助思无邪采纳,获得10
3秒前
冷傲的芾完成签到,获得积分20
4秒前
orixero应助ZZ采纳,获得30
5秒前
cctv18应助llx采纳,获得10
5秒前
蓝风铃发布了新的文献求助10
7秒前
8秒前
10秒前
64658完成签到,获得积分10
11秒前
cctv18应助renxu采纳,获得30
11秒前
setw2008完成签到,获得积分10
12秒前
12秒前
撖堡包发布了新的文献求助30
13秒前
13秒前
14秒前
成就的外套完成签到,获得积分10
14秒前
CHEN完成签到,获得积分10
14秒前
子车茗应助机灵的曼岚采纳,获得10
15秒前
脑洞疼应助小仙鱼采纳,获得10
16秒前
16秒前
17秒前
日出发布了新的文献求助10
17秒前
17秒前
ppg123应助有魅力的觅双采纳,获得10
18秒前
Cloud完成签到,获得积分10
18秒前
Singularity应助寂寞的雁采纳,获得10
18秒前
8R60d8应助sheh采纳,获得10
18秒前
mimiya发布了新的文献求助10
18秒前
19秒前
jiayou发布了新的文献求助10
19秒前
CC完成签到 ,获得积分10
20秒前
可爱的函函应助日出采纳,获得10
21秒前
科研通AI2S应助CHEN采纳,获得10
21秒前
鸣蜩阿六发布了新的文献求助10
22秒前
水水水完成签到,获得积分10
22秒前
背书强发布了新的文献求助10
22秒前
朴实蛟凤完成签到,获得积分10
22秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Very-high-order BVD Schemes Using β-variable THINC Method 830
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3247794
求助须知:如何正确求助?哪些是违规求助? 2891053
关于积分的说明 8265876
捐赠科研通 2559283
什么是DOI,文献DOI怎么找? 1388075
科研通“疑难数据库(出版商)”最低求助积分说明 650683
邀请新用户注册赠送积分活动 627577