基于时间序列分析的印度医疗行业预测框架
摘要：设计高效、稳健算法以准确预测股市价格是时间序列分析和预测领域最激动人心的挑战之一。随着复杂算法的指数级发展和进化，以及快速计算平台的可用性，现在可以有效高效地提取、存储、处理和分析多元化股市大量数据。复杂算法在云上的并行架构上能够快速运行，使得在减少计算时间的同时获得更高的预测精度成为可能。本文利用2010年1月至2016年12月印度医疗行业的时间序列数据，首先展示了一种分解方法，并说明分解结果如何提供有关时间序列行为和特性的有用见解。根据时间序列的结构分析，我们提出了六种不同的预测方法，用于预测医疗行业时间序列指数。为了验证这些预测方法的有效性，我们提供了广泛的结果。
作者：Jaydip Sen and Tamal Datta Chaudhuri
论文ID：1705.01144
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2017-05-09