摘要
股指价格变动反映了权益类市场的走势情况,是重要的金融行情指标之一,一直备受学术界与业界的关注.基于2006年1月至2019年3月的沪深300指数数据,通过构建混合信息提取器的长短期记忆神经网络模型(H-LSTM),对股票指数价格进行预测.结果表明:采用分批预测、逐点后推、控制涨跌幅度策略以及增加网络输入变量数量、减少预测的时间宽口,可以显著提升LSTM对价格预测的精准度;基于混合信息提取器方法对沪深300指数价格的运行特征提取效果要优于主成分分析、稀疏自编码和t-SNE等方法.
Stock index price change reflects the trend of the equity market,is an important financial market index,has been the focus of academic circles.This paper taking the CSI300 price index as the research object and the data from January 2006 to March 2019 is selected,use H-LSTM model to predict the stock index price.The result show that:Using batch prediction,point-by-point pushback,and controlling the rise and fall,as long as increasing the number of network input variables and reducing the time width of the forecast can increase the fitting degree of the LSTM model to the index price;The hybrid information extractor is better than the principal component analysis,the sparse Autoencoder and the t-SNE,it can effectively extract the characteristics of the CSI300.
作者
马超群
杨竟澜
任奕帅
谢志斌
MA Chaoqun;YANG Jinglan;REN Yishuai;XIE Zhibin(Business School,Hunan University,Changsha 410082,China;School of Public Administration,Hunan University,Changsha 410082,China;China UnionPay,Shanghai 200135,China)
出处
《计量经济学报》
2021年第2期437-451,共15页
China Journal of Econometrics
基金
国家自然科学基金(71850012)
国家社会科学基金(19AZD014)
湖南省科技厅重大专项(2018GK1020)
湖南省社会科学成果评审委员会一般项目(XSP21YBC087)
作者简介
马超群,教授,博士,研究方向:金融创新与风险管理,E-mail:cqma1988@126.com;杨竟澜,博士研究生,研究方向:金融创新与风险管理,E-mail:jlyang@hnu.edu.cn;任奕帅,助理教授,博士,研究方向:金融风险与资源环境管理,E-mail:renyishuai1989@126.com;通讯作者:谢志斌,硕士研究生,研究方向:金融创新与风险管理,E-mail:xiezhibin@unionpay.com.
