毕业论文课题相关文献综述
文 献 综 述1.课题的研究意义和应用价值金融市场的波动性研究一直以来都是国内外学者们关注的热点。
金融时间序列走势的准确合理预测意味着投资者高额的市场回报和政府监管部门对市场的有效监管，是投资和证券理论界与实务界所共识的很有意义研究课题，金融时间序列预测模型的研究已成为国内外学者关注的焦点和当今的前沿课题。
股票价格因为远高于其每股净资产价格而处于一种大幅度的变动之中，给二级市场投资者带来了很多投资机会和风险，关于股票价格的决定因素是多方面的，最主要的决定因素是宏观经济环境和公司基本面以及市场参与者对这两种因素的预期，当然股票价格高低也跟股票供给和市场资金充裕情况也有密切的关系，也符合一般商品所遵守的一价定律。
市场参与者对未来股市走势的预期直接影响投资者行为，投资者的行为的直接反映就是股票价格和成交量随时间T的变动，所以市场行为蕴涵一切是技术分析的理论基础，而时间序列分析做为技术分析中一种重要的分析方法被普遍采用，个人认为把该分析方法进行标准化的程序实现有助于提高证券分析师和投资者的工作效率，具有一定的商业价值。
当然一种数据挖掘技术的运用必须同要分析的事物的自身规律结合才能得到正确的结论，股市跌多了会涨，涨过分了会跌，具体跌到什么程度才会止跌回稳，具体涨到什么程度才会回落，要给出一个定量判断标准，这个标准可以从历史数据中总结，也可以从资金面和各种市场行为来判断，只要掌握了股票市场运行的时间序列特征，那么我们就可以用时间序列挖掘算法来辅助股票分析。
2.国内外研究现状经验模态分解（Empirical Mode Decomposition，简称EMD))方法是由美国NASA的黄锷博士提出的一种信号分析方法.它依据数据自身的时间尺度特征来进行信号分解，无须预先设定任何基函数。
这一点与建立在先验性的谐波基函数和小波基函数上的傅里叶分解与小波分解方法具有本质性的差别。
正是由于这样的特点，EMD 方法在理论上可以应用于任何类型的信号的分解， 因而在处理非平稳及非线性数据上，具有非常明显的优势。
所以，EMD方法一经提出就在不同的工程领域得到了迅速有效的应用，例如用在海洋、大气、天体观测资料与地震记录分析、机械故障诊断、密频动力系统的阻尼识别以及大型土木工程结构的模态参数识别方面。
3.课题研究方法EMD 算法的目的在于将性能不好的信号分解为一组性能较好的IMFs，这里IMF 须满足如下两个性质：（1）信号的极值点（极大值或极小值）数目和过零点数目相等或最多相差一个；（2）由局部极大值构成的上包络线和由局部极小值构成的下包络线的平均值为零。
