该函数对金融时间序列的相关矩阵进行特征分解，过滤掉市场模式分量和噪声分量，只留下相关矩阵中与原始时间序列集合中的细观结构相对应的分量。 该函数旨在与社区检测算法（例如 Louvain 方法）结合使用，以允许在基于时间序列的网络上进行社区检测

#计量经济学 计量经济学专题:金融时间序列预测，matlab源码 本课题分为文献综述和实证应用两部分。

基于SVM的金融时间序列分析的研究，刘迪，，本文通过比较支持向量机（SVM）和自回归移动平均模型(ARIMA)在金融时间序列回归分析的实验，提出了一种新的SVM和ARIMA的组合模型。该模

ARFIMA模型在金融时间序列的应用，刘强，余冬玲，本文系统地讨论了如何对分整自回归移动平均(Autoregressive fractionally integrated moving average, ARFIMA)模型进行参数估计以及相应的建模。具体�

为了解决神经网络算法预测海量金融时间序列数据会出现训练速度慢，内存开销大等问题，提出一种基于最小二乘支持向量机的复杂金融数据时间序列预测方法。该方法将传统的支持向量机中的不等式约束改为等式约束，且将误差平方和的损失函数作为训练集的经验函数，这样把二次规划问题转化为求解线性方程组问题，提高求解问题的速度和收敛精度。实验中以证券指数为实验数据，对大批量金融数据进行了时间序列预测，相比于神经网络预测方法，该方法在大批量金融数据时间序列预测的训练时间、训练次数和预测误差上都有了明显提高，对复杂金融时间序列具有较好

通过逐步回归分析(SRA)、自适应模糊神经网络(ANFIS)资本资产定价模型(CAPM)对金融时间序列进行预测的MATLAB仿真。介绍了国内外关于证券组合投资的理论研究成果，并分析了各种方法的优缺点。然后分别介绍了逐步回归分析理论(Stepwise regression analysis，SRA)、自适应模糊神经网络理论(adaptive neural-fuzzy inference system，ANFIS)、资本资产定价模型(Capital asset pricing model，CAPM)三种方法。通过SRA方法来提高预测模型的性能，通过ANFIS模型获得更高精度预测模型，最后将SRA和ANFIS和CAPM资产资本定价模型进行结合，提出了一种适合国内证券市场的混合组合投资算法。并通过MATLAB仿真工具对该组合投资算法进行了性能验证，通过仿真结论可知，本文所提出的算法在国内证券市场可以获得较高的投资回报，因此具有一定的应用价值。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：基于马尔科夫转换多重分形预测模型_MSM模型_捕捉金融时间序列波动中隐藏的离群值、时间标度以及长程相关性特征_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

非参数回归模型在金融时间序列上的应用，朱云霓，刘琼荪，本文旨在运用非参数回归模型来解决金融上的实际问题；对1998~2009年的上证综指的收益率数据进行了简单的统计分析，说明利用非参数回

MATLAB 是优秀的数学计算工具, 本文阐述并举例说明如何利用MATLAB 来对金融时间序列进行分析及建模。

时间序列分析及应用：R语言（原书第2版），市面上很好的一本书，pdf版，希望大家能受益