ty -jour a2 -wong，伦恩·艾恩（Leung au -au -au -au -au -benrhmach），ghassane au -namir，khalil au -namir -namir，abdelwahed au -bouyaghroumni，jamal py -2020 da -2020 da -2020/04/27 ti-27 ti -nonlinear autoreRoregrelativers for for for for for in for for for for财务时间序列的预测SP -5057801 VL -2020 AB-时间序列分析和预测是主要的科学挑战，它们在金融，生物学，经济学，气象学等等多样化的领域中找到了应用。获得最低预测错误的方法是金融市场和投资分析师的困难问题之一。状态空间建模是用于广泛时间序列和其他数据的统计推断的有效且灵活的方法。神经网络是分析时间序列的重要工具，尤其是当它是非线性和非平稳性的时候。研究盒子 - 詹金斯方法，神经网络和扩展的卡尔曼过滤器的基本工具。我们研究了非线性自回归神经网络方法作为财务时间序列的预测技术，以及扩展的Kalman滤波器算法的应用以提高模型的准确性。作为一个真实示例的应用，我们正在分析790天钢的每日价格的时间序列，以确定与其他现有方法相比，该方法的优越性。使用MATLAB和R软件的仿真结果表明，该模型能够产生合理的精度。SN -1110-757X UR -https：//doi.org/10.1155/2020/5057801 do -10.1155/2020/5057801 JF-应用数学杂志PB- Hindawi KW -er -er-