EMD and wavelet decomposition based denoising and forecasting of crude oil prices

Abstract

This paper introduces a general research framework which describes the possible research designs in decomposition based financial time series forecasting, it provides a thorough literature review based on the most important articles and classifies it with the help of the general research framework. Moreover the paper compares the two most frequently used denoising methods empirical mode decomposition and wavelet based decomposition in terms of their denoising ability, using several noise selection methods. A simple ARIMA model is trained on the denoised signal in order to compare the effect of denoising on prediction accuracy. Based on the analysis made in this paper wavelet based denoising strategies are more accurate than empirical mode decomposition based strategies. The robustness check performed in this paper led to the same results. = A dolgozat bemutat egy általános keretrendszert a dekompozíción alapuló pénzügyi idősorok előrejelzéséhez és a keretrendszeren keresztül bemutatja a leggyakrabban hivatkozott cikkeket. Ezt követően a pénzügyi idősort alkalmazó dekompozíción alapuló előrejelző cikkeket elhelyezi a keretrendszerben, ami segíti a cikkek összehasonlítását és értelmezését. A dolgozat ezt követően összehasonlítja a két leggyakrabban használt dekompozíciós módszert, az empirikus alapú dekompozíciót és a wavelet dekompozícót. Több potenciális zaj kiválasztó módszer kerül alkalmazásra és ezek alapján egy zajtól szűrt jelre ARIMA modellt illeszt a dolgozat. A dolgozatban elvégzett elemzése alapján a wavelet alapú dekompozíciós stratégiák bizonyultak pontosabbnak az előrejelzési hibákat tekintve. A dolgozat végén leírt robosztusságvizsgálat ugyan erre az eredményre vezetett