回归驱动的F变换及其在金融时间序列平滑中的应用
数据分析、统计与概率
2017-05-08 v1 计算工程、金融与科学
离散数学
摘要
本文提出扩展模糊变换（fuzzy transform）的定义，以考虑比标准模糊变换更丰富的模型插值。我们聚焦于多项式模型，尤其是线性模型，尽管该方法可轻易应用于其他模型类。作为应用示例，我们考虑金融时间序列的平滑。使用NIFTY 50股票市场指数与移动平均法进行了比较。实验结果表明，回归驱动的模糊变换（RDFT）提供了类似于移动平均的时间序列平滑近似，但延迟更小。这对于金融及其他时间起关键作用的领域而言是一项重要特性。
引用
@article{arxiv.1705.01941,
title = {Regression Driven F--Transform and Application to Smoothing of Financial Time Series},
author = {Luigi Troiano and Pravesh Kriplani and Irene Diaz},
journal= {arXiv preprint arXiv:1705.01941},
year = {2017}
}
备注
IFSA-SCIS 2017, 5 pages, 6 figures, 1 table