简介:摘要:时间序列作为时间观测值的集合,在机器学习和人工智能领域引发了广泛的关注。时间序列预测是获取未来趋势的重要课题之一,研究结果可以为各种应用提供依据,例如优化、控制以及生产计划等。因此,已经提出了许多模型来解决这个问题。但是时间序列数据往往呈现出非平稳、非线性和多维度等特点,单一的深度学习模型难以有效提取时间序列的深层特征,难以挖掘数据的内在特性和识别出数据间的潜在模式。
简介:本文运用小波分析方法,选取房地产销售价格指数和房地产开发投资指数两个指标,分析了房地产市场与宏观经济发展之间的相互关系。首先,划分它们的关联性分析时间尺度,界定其短期为2个季度,长期为3年,分别提取相应高频与低频部分的小波相干系数,比较分析短期和长期的关联性:其次,通过小渡相干谱,以可视化的形式表征多个时间尺度上房地产与宏观经济发展的关联性,归纳出它们随时间推移的变化规律。研究表明:(1)房地产市场与宏观经济发展的相互关系短期波动较大,长期相对稳定;(2)两者的长期关联性明显,在1—3年的周期上最为显著:(3)房地产市场开始宏观调控后,与宏观经济发展的关联性显著增强,说明宏观调控政策对房地产与宏观经济发展的互动影响较大。