摘要
股票市场的形态分析和趋势预测是时间序列研究领域重要的研究方向。针对股票市场价格形态复杂,转折点形态预测困难的问题,文章提出了一种多尺度自适应模板匹配算法(MASD_TPM)来识别股票价格的形态走势。该算法在传统的模板匹配技术(TPM)中引入了匹配序列长度控制和插值重采样来避免匹配形态单一的问题。结果显示,基于该算法构建的决策交易模型在上证50等相关指数上能较为准确地识别市场价格的旗型形态,其收益超过多组对比模型平均水平。
出处
《统计与决策》
CSSCI
北大核心
2020年第1期158-161,共4页
Statistics & Decision
基金
国家社会科学基金资助项目(14BJY177)
作者简介
史建楠(1993—),男,浙江象山人,硕士研究生,研究方向:机器学习、数据挖掘。;邹俊忠(1960—),男,重庆人,博士,教授,研究方向:数据挖掘、机器学习。;麦勇(1969—),男,上海人,博士,教授,研究方向:金融市场学。;卫作臣(1991—),男,辽宁大连人,博士,研究方向:数据挖掘、机器学习。
