摘要: 通常情况下,我们所得到的信号都是具有一定噪声的,大多数情况下,这些噪声为高斯白噪声。    对于金融数据而言,由于金融市场中各种偶然因素的影响,使得金融数据,特别是金融时间序列数据中存在许多噪声。这些噪声严重影响了进一步的分析和处理,有必要预先去噪。    但是金融时间序列本身具有非平稳、非线性和信噪比高的特点,采用传统的去噪处理方法往往存在诸多缺陷。而小波理论是根据时频局部化的要求而发展起来的,具有自适应和数学显微镜性质,特别适合非平稳、非线性信号的处理。

声明：如本站内容不慎侵犯了您的权益，请联系邮箱：wangshiyuan@epins.cn 我们将迅速删除。