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 لمعالجة البيانات المختلطة. أولًا، تم استخدام تحويل الموجة التجريبي (EWT) لاستخراج المكونات منخفضة وعالية التردد للسلاسل الزمنية في آن واحد؛ ثم تم إدخال التنظيم الزمني الديناميكي (DTW) والتنظيم الزمني الديناميكي التفريقي (DDTW) لقياس التشابه بين المكونات المختلفة، مما مكن من التعرف بفاعلية على أنماط الترابط والتشابه في سلسلة أسعار الأسهم. في التحليل الإضافي، تم استخدام نافذة متحركة لمعالجة المكونات عالية التردد، وإجراء تحليل المكونات الرئيسية، مع إجراء تحليل مكونات رئيسية مباشر للمكونات منخفضة التردد. أخيرًا، تم تطبيق هذه الأساليب على عدة نماذج تنبؤ للشبكات العصبية، حيث تم ملاحظة تحسن كبير في أداء النموذج ودقة التنبؤ.

تنبؤ أسعار الأسهم;تحويل الموجة التجريبي;التنظيم الزمني الديناميكي;تحليل المكونات الرئيسية;الشبكات العصبية