刘海飞，李心丹

（南京大学 工程管理学院，南京 210093）

基于EMD方法的股票价格预测

刘海飞，李心丹

（南京大学 工程管理学院，南京 210093）

文章将经验模式分解方法（EMD）引入到中国金融市场数据预测中，利用EMD正交分解的特殊功能，提出了一种较为准确的金融市场时间序列预测其走势的方法。并与传统实践上相对比较成熟的小波分析方法（WA）进行对比分析，实证研究表明：经验模式分解方法（EMD）较小波分析方法拟和精度更高、预测功能很强。此方法为金融市场数据研究提供了一个强有力新的分析工具，在理论和实践上有其重要的指导意义。

金融市场；时间序列；EMD分法；小波分析；预测

0 引言

金融市场的波动性研究一直以来都是国内外学者们关注的热点。金融时间序列走势的准确合理预测意味着投资者高额的市场回报和政府监管部门对市场的有效监管，是投资和证券理论界与实务界所共识的很有意义研究课题，金融时间序列预测模型的研究已成为国内外学者关注的焦点和当今的前沿课题。许多学者在此领域提出了多种有效分析方法，如短期预测方法：回归分析、指数平滑、自回归滑动平均模型(ARMA)、广义条件异方差模型(GARCH)[1]、神经网络、灰度模型、小波分析、遗传算法及它们的各种改进型等；长期预测方法：神经网络、Holt－Winters 方法[2]、Theta 模型[3]、模糊理论[4][5]、小波包分析[6]等。由于数据和方法本身苛刻条件的限制使得模型预测结果或多或少都存在令人惋惜的缺憾。如时间序列模型适合于线性时序的预测，当用于预测非线性时间序列时，准确性较差；……