基于EMD和SSA的股票预测模型

来源：计算机工程与应用杂志2023年第18期北京时间：

作者：谢游宇, 王万雄

单位：甘肃农业大学 理学院，兰州 730070

摘要：为了提高金融序列的预测精度，提出了一种基于经验模态分解（EMD）和奇异谱分析（SSA）的EMD-SSA-LSTM-SVR组合预测模型。该模型结合了EMD分解和SSA分解各自的优点，将原始金融序列分解为具有不同时间尺度的分量，充分发挥LSTM模型处理长期依赖序列的优势以及SVR模型对非线性序列的泛化能力对各个分量进行预测，集成得到金融序列的预测值。实验表明，与现有的EMD-LSTM、EMD-SVR、SSA-SVR和SSA-LSTM等基于EMD和SSA的预测模型相比，EMD-SSA-LSTM-SVR模型具有更高的预测精度。

关键词：经验模态分解,奇异谱分析,长短时记忆网络,支持向量回归