论文《一种金融市场预测的深度学习模型：FEPA》（3）--ＥＭＤ＋ＰＣＡ

（1）EMD----Emprical mode decomposition 经验模态分解

原文 链接：　http://blog.sina.com.cn/s/blog_55954cfb0102e9y2.html

https://blog.youkuaiyun.com/luolang_103/article/details/85680883

美国工程院士黄锷博士于1998年提出的一种信号分析方法：经验模态分解（Empirical Mode Decomposition）即EMD法，它是一种自适应的数据处理或挖掘方法，非常适合非线性，非平稳时间序列的处理，本质上是对数据序列或信号的平稳化处理。

1：关于时间序列平稳性的一般理解：

所谓时间序列的平稳性，一般指宽平稳，即时间序列的均值和方差为与时间无关的常数，其协方差与时间间隔有关而也与时间无关。简单地说，就是一个平稳的时间序列指的是：遥想未来所能获得的样本时间序列，我们能断定其均值、方差、协方差必定与眼下已获得的样本时间序列等同。反之，即样本时间序列的均值、方差、协方差非常数，我们便称这样的样本时间序列是非平稳的。

（自己理解：均值规定数据的平均水平，方差解释距离均值的变化，协方差均衡两个变量的总体误差。　通过这样的约束，这个数值就是稳定的一个可接受的浮动，　这个稳定体现在数值的取值区间是尽量的小而精确的。 平稳性就是函数的取值区间的一种约束）<