في مجال التنبؤ بأسعار الأسهم، عادةً ما توجد علاقات معقدة بين عدة متغيرات في السلاسل الزمنية متعددة المتغيرات، وتتأثر بعدة عوامل، مما يزيد من صعوبة التنبؤ بدقة. لمواجهة هذا التحدي، تم اقتراح طريقة مبتكرة لمعالجة البيانات المختلطة مسبقًا. أولاً، تم استخدام تحويل الموجة التجريبية (EWT) لاستخراج المكونات منخفضة وعالية التردد للسلاسل الزمنية في آنٍ واحد؛ ثم تم إدخال تنظيم الوقت الديناميكي (DTW) وتنظيم الوقت الديناميكي التفريقي (DDTW) لقياس التشابه بين المكونات المختلفة، مما مكن من التعرف بشكل فعال على أنماط الترابط والتشابه في سلسلة أسعار الأسهم الزمنية. في التحليل الإضافي، تم استخدام نافذة انزلاق لمعالجة المكونات عالية التردد، وتحليل المكونات الرئيسية، وفي الوقت نفسه تم إجراء تحليل المكونات الرئيسية مباشرة على المكونات منخفضة التردد. أخيرًا، تم تطبيق هذه الطرق على عدة نماذج تنبؤ بالشبكات العصبية، حيث لوحظ تحسن ملحوظ في أداء ودقة التنبؤ للنماذج.

تنبؤ أسعار الأسهم;تحويل الموجة التجريبية;تنظيم الوقت الديناميكي;تحليل المكونات الرئيسية;الشبكات العصبية