基于机器学习的时间序列模型研究及其应用

时间序列分析是人们认识客观世界和自然现象的重要手段,近二十年来，时间 序列分析方法得到了迅速发展，且在众多的实际领域中广泛应用。与其相关的技术， 时间序列预测也已成为一个热门的研究领域，伴随着时间序列分析方法同步发展， 在许多领域里，时间序列预测发挥着重要的作用。预测是决策的基础，决策是预测 的延续。因此，准确的预测对做出正确的决策至关重要 为了提高时间序列预测效果和应用价值，众多研究工作者一直致力于该问题 的研究。特别在机器学习和深度学习方法迅速发展的今天，时间序列分析和预测方 法的研究发展迅速，但其效果在很多方面还不能满足实际应用的高要求，还有很多 的问题需要解决。本文以时间序列分析和预测为研究背景，主要对时间序列互相关 性分析、时间序列多尺度分析以及时间序列预测应用进行了研究。本文主要进行了 以下三个方面的研究。 (1)为了了解不同现象之间是否存在关联、存在何种关联以及关联强度如何， 本文对金融市场的相互作用和共同变化的现象进行了研究，同时全面系统地研究 了时间序列互相关性分析方法。为了揭示金融时间序列的动力学行为，基于多尺度 多属性的分析思想和MMA方法，结合Hurst指数直方