في مجال التنبؤ بأسعار الأسهم، غالبًا ما توجد علاقات معقدة بين عدة متغيرات في السلاسل الزمنية متعددة المتغيرات، وتتأثر بعدة عوامل، مما يزيد من صعوبة التنبؤ الدقيق. لمواجهة هذا التحدي، تم اقتراح طريقة مبتكرة تعتمد على معالجة مسبقة هجينة. أولاً، يتم استخدام تحويل المويجات التجريبية (EWT) لاستخراج المكونات منخفضة التردد وعالية التردد للسلاسل الزمنية في نفس الوقت؛ ثم تم إدخال تقنية التنظيم الزمني الديناميكي (DTW) والتنظيم الزمني الديناميكي التفريقي (DDTW) لقياس التشابه بين المكونات المختلفة، مما مكّن من التعرف بفعالية على أنماط الارتباط والتشابه في سلاسل أسعار الأسهم. في التحليل اللاحق، تم استخدام نافذة الانزلاق لمعالجة المكونات عالية التردد، وإجراء تحليل المكونات الرئيسية، وفي الوقت نفسه، تم إجراء تحليل المكونات الرئيسية مباشرة على المكونات منخفضة التردد. وأخيرًا، تم تطبيق هذه الطرق على عدة نماذج توقع تعتمد على الشبكات العصبية، حيث لوحظ تحسن ملحوظ في أداء النموذج ودقة التنبؤ.

تنبؤ أسعار الأسهم;تحويل المويجات التجريبية;التنظيم الزمني الديناميكي;تحليل المكونات الرئيسية;الشبكات العصبية