1) Multivariate Financial Time Series
多变量金融时间序列
1.
Copula Theory and Its Applications in Multivariate Financial Time Series Analysis;
Copula理论及其在多变量金融时间序列分析上的应用研究
2) multivariate time series
多变量时间序列
1.
Nonlinear prediction of short-term electrical load on multivariate time series;
电力短期负荷的多变量时间序列预测方法研究
2.
Phase space reconstruction of complex systems based on multivariate time series;
多变量时间序列复杂系统的相空间重构
3.
Research of data mining method on multivariate time series;
多变量时间序列模式挖掘的研究
4) financial time series
金融时间序列
1.
Neural network methods in financial time series forcasting;
金融时间序列预测中的神经网络方法
2.
Financial Time Series Researching Based on Support Vector Machine;
基于支持向量机的金融时间序列研究
3.
Because financial time series was unstable,complicated,nonlinear,and containing noise data,it was very difficult to get the satisfied forecasting effect.
由于金融时间序列是非平稳的、复杂的,非线性的,含有噪声数据,传统的方法很难得到满意的预测效果。
5) multivariate chaotic time series
多变量混沌时间序列
1.
Volterra adaptive real-time prediction of multivariate chaotic time series
多变量混沌时间序列Volterra自适应实时预测
2.
The methods to determine time delays and embedding dimensions in the phase space delay reconstruction of multivariate chaotic time series are proposed.
提出了多变量混沌时间序列相空间延迟重构中延迟时间间隔和嵌入维数的选取方法 ,给出了多变量混沌时间序列的局部平均预测法 ,局部线性预测法和BP神经网络预测法等 3种非线性预测方法 。
6) Multivariate Time Series Prediction
多变量时间序列预测
补充资料：离散时间周期序列的离散傅里叶级数表示
(1)
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
式中χ((n))N为一离散时间周期序列，其周期为N点，即
式中r为任意整数。X((k))N为频域周期序列，其周期亦为N点，即X(k)=X(k+lN)，式中l为任意整数。
从式(1)可导出已知X((k))N求χ((n))N的关系
(2)
式(1)和式(2)称为离散傅里叶级数对。
当离散时间周期序列整体向左移位m时,移位后的序列为χ((n+m))N，如果χ((n))N的离散傅里叶级数(DFS)表示为,则χ((n+m))N的DFS表示为
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条