数据驱动的金融时间序列预测模型研究

以非线性动力学的观点看来，现代金融理论中金融系统的不确定性恰恰源于其自身就是一个受多种因素综合影响的具有开放性质的复杂巨系统，相应地，作为系统观测值的金融时序数据则从形式上表现了该系统的复杂运动规律。基于此，本书借鉴复杂系统视角建模的思想，结合智能计算、计算实验金融、数据挖掘及控制论等相关领域的**研究成果，“自底向上”地展开金融时序数据经验知识融合下的机器学习预测建模创新研究，以探索金融系统的复杂演化规律。