期刊文献+
共找到178篇文章
< 1 2 9 >
每页显示 20 50 100
基于LSTM-MAB融合框架的动态股票交易决策优化研究
1
作者 李斌 于涵阅 《经济理论与经济管理》 北大核心 2025年第9期117-132,共16页
为提升短期股票交易的收益表现并有效控制风险,本文构建了一个融合长短期记忆网络(Long Short-term Memory,LSTM)和多臂老虎机模型(Multiarmed Bandit,MAB)的动态交易决策优化框架。该框架以LSTM对未来股价进行精准预测,捕捉市场时间序... 为提升短期股票交易的收益表现并有效控制风险,本文构建了一个融合长短期记忆网络(Long Short-term Memory,LSTM)和多臂老虎机模型(Multiarmed Bandit,MAB)的动态交易决策优化框架。该框架以LSTM对未来股价进行精准预测,捕捉市场时间序列特征,同时采用Decayε-Greedy算法动态调整探索与利用的平衡策略,从而实现股票选择与持仓决策的双重优化。本文通过对中国A股市场开展实证回测,并与遗传算法、传统ε-Greedy、随机选择和汤普森抽样等策略进行对比,验证了LSTM-MAB模型在动态市场条件下的收益能力和稳健性。实验结果表明,LSTMMAB模型在平均回报率、夏普比率和风险控制方面均优于对照组,表现出更强的抗风险能力和决策适应性。 展开更多
关键词 交易决策 股价预测 多臂老虎机 长短期记忆网络
在线阅读 下载PDF
券商监管对股价信息含量的影响研究
2
作者 王生年 曾婉慧 《管理学报》 北大核心 2025年第5期968-978,共11页
采用2012~2022年A股上市公司数据以及证监会公布的券商监管函数据,考察券商监管对上市公司股价信息含量的影响。研究发现,券商监管能显著提升关联企业的股价信息含量,细分监管函类型和关联关系类型,监管效应均显著。机制检验表明,券商... 采用2012~2022年A股上市公司数据以及证监会公布的券商监管函数据,考察券商监管对上市公司股价信息含量的影响。研究发现,券商监管能显著提升关联企业的股价信息含量,细分监管函类型和关联关系类型,监管效应均显著。机制检验表明,券商监管能显著提升信息传递过程中各阶段的信息质量,进而有效改善关联企业的股价信息含量。异质性分析表明,上述效应在券商持股比例较高、券商规模较大和券商声誉较高时更加明显,且媒体关注度越高、地区法治水平越低以及地理距离越近时,监管效果越明显。 展开更多
关键词 券商监管 股价信息含量 管理层业绩预告 分析师预测
在线阅读 下载PDF
基于DTW-SACP-LSTM模型的个股新闻信息挖掘及价格预测 被引量:1
3
作者 王子平 金百锁 《中国科学院大学学报(中英文)》 北大核心 2025年第3期371-381,共11页
针对股票市场变化快、关系复杂的情况,提出一种结合个股新闻的股票价格预测方法。首先通过动态时间规整算法找到与目标个股序列相似度最高的基准序列,然后通过平滑突变点模型提取新闻影响的长度和时间,转化为时间序列数据,通过统计模型... 针对股票市场变化快、关系复杂的情况,提出一种结合个股新闻的股票价格预测方法。首先通过动态时间规整算法找到与目标个股序列相似度最高的基准序列,然后通过平滑突变点模型提取新闻影响的长度和时间,转化为时间序列数据,通过统计模型将股票之间的关系引入到时间序列预测,考察新闻影响力与股票历史价格数据之间的关系,同时利用长短期记忆网络将新闻影响与个股数据结合起来进行价格预测。结果表明,新闻在科技类行业领域的股票板块影响力最为明显;相比于已有的股票预测方法,融合模型的预测性能有所提升,并且随时间增长预测精度下降幅度较小。融合模型可以更精确地描述股票价格的变化,在模拟投资策略的条件下取得了14.50%的平均收益。 展开更多
关键词 金融新闻 股票预测 动态时间规整(DTW) 平滑突变点(SACP) 长短期记忆网络(LSTM)
在线阅读 下载PDF
基于线性或非线性结构自动识别的股价预测
4
作者 梁焙婷 王斌会 +1 位作者 王国长 庞檬缘 《系统工程学报》 北大核心 2025年第4期574-594,共21页
针对加性模型中预测变量线性和非线性结构的自动识别问题,提出了一种基于Lasso和群Lasso方法的变量选择和参数估计方法LANEM.首先结合Lasso惩罚和群Lasso惩罚,通过使用三次自然样条基底同时选出无关变量、线性变量以及非线性变量,并利... 针对加性模型中预测变量线性和非线性结构的自动识别问题,提出了一种基于Lasso和群Lasso方法的变量选择和参数估计方法LANEM.首先结合Lasso惩罚和群Lasso惩罚,通过使用三次自然样条基底同时选出无关变量、线性变量以及非线性变量,并利用上证指数数据,采用计算机仿真模拟方法进行股价预测。结果表明,LANEM方法基于股票数据能自动识别出线性预测变量、非线性预测变量和无关预测变量,且结合最小二乘方法得到的LANEMLS方法具有最小的预测误差.同时,稳健性检验证明了LANEM方法不受股票指标、类型和时间的影响,应用股票场景广泛.相较于Lasso和群Lasso方法,LANEM方法有效提高股票指数预测的准确率,对股票的预测和趋势性研究具有现实意义。 展开更多
关键词 股价预测 Lasso方法 群Lasso方法 加性模型 LANEM方法
在线阅读 下载PDF
NS-FEDformer模型对股票收益率的预测研究 被引量:1
5
作者 王婧 李云霞 《计算机工程与应用》 北大核心 2025年第9期334-342,共9页
股票收益率预测作为金融市场中一项较为困难的预测任务,是研究者们重点关注的热门话题。近年来,Transformer类模型以其强大的特征表征能力和高效的并行计算能力,在序列建模中大放光彩。为了将深度学习技术更好地应用于股票预测领域,提... 股票收益率预测作为金融市场中一项较为困难的预测任务,是研究者们重点关注的热门话题。近年来,Transformer类模型以其强大的特征表征能力和高效的并行计算能力,在序列建模中大放光彩。为了将深度学习技术更好地应用于股票预测领域,提出了基于NS-FEDformer模型的股票收益率预测方法,以在时间序列预测任务中表现优越的FEDformer模型为基础,引入non-stationary Transformer(NS-Transformer)框架中的de-stationary attention机制还原原始股票序列的注意力权重,提升了模型对于序列特征的提取能力。实验结果表明,NS-FEDformer模型在包括浙商证券、中国银河等十只股票数据集上的平均预测表现均优于深度学习股票预测的主流模型,且较经典的Transformer模型在不同预测步长下的MSE和MAE最大降低了30.35%和23.35%,RMSE和MAPE最大降低了16.65%和39.80%,验证了该模型的优越性。 展开更多
关键词 股票预测 注意力机制 深度学习 FEDformer模型
在线阅读 下载PDF
片烟库存预测研究中组合时间序列模型的应用
6
作者 褚旭 胡宗玉 +3 位作者 许强 张金召 杜航 胡波 《天津农业科学》 2025年第7期41-47,55,共8页
为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周... 为探讨组合时间序列模型在片烟库存预测中的应用效果,通过收集某卷烟工业企业往期片烟库存数据,建立月度片烟库存的单一和组合时间序列预测模型,并对比不同模型的预测效果。结果表明:片烟库存数据的月度和年度时序图均具有明显的时间周期性;基于指数平滑法建立的预测模型无法准确判断真实值上升或下降的趋势,预测的RMSE、MAE和MAPE值分别为1.93、1.47、3.51%;基于自适应滤波法建立的预测模型随着数据样本的增加,预测精度有所下降,预测的RMSE、MAE和MAPE值分别为0.32、0.26、0.61%;指数平滑组合时间序列模型和自适应滤波组合时间序列模型预测的RMSE、MAE和MAPE值分别为0.91、0.69、1.75%和0.28、0.21、0.52%。综上,组合模型拟合效果更好,能够更好地反映片烟库存的真实水平,其中以自适应滤波组合模型的效果更佳。 展开更多
关键词 片烟 库存预测 时间序列 组合模型
在线阅读 下载PDF
业绩说明会“答非所问”对资本市场估值偏误的影响研究
7
作者 于子竣 王满 李延喜 《管理学报》 北大核心 2025年第10期1938-1948,共11页
以投资者与企业管理层在业绩说明会进行互动为切入点,选取2007~2022年A股上市企业数据为样本,考察管理层“答非所问”对资本市场估值偏误的影响。研究发现,管理层“答非所问”程度越高,资本市场估值偏误越严重。作用机制检验发现,管理... 以投资者与企业管理层在业绩说明会进行互动为切入点,选取2007~2022年A股上市企业数据为样本,考察管理层“答非所问”对资本市场估值偏误的影响。研究发现,管理层“答非所问”程度越高,资本市场估值偏误越严重。作用机制检验发现,管理层“答非所问”在股票定价效率方面主要通过加剧股价同步性与股价延迟,在分析师预测质量方面主要通过扩大分析师预测误差与分析师预测分歧来引发资本市场估值偏误。异质性分析发现,较好的信息环境和更丰富的信息回复有利于抑制管理层“答非所问”对资本市场估值偏误的影响。 展开更多
关键词 答非所问 估值偏误 股票定价效率 分析师预测质量
在线阅读 下载PDF
融合通道与多头注意力的股价趋势预测模型 被引量:1
8
作者 周佳妮 刘春雨 刘家鹏 《计算机工程与应用》 北大核心 2025年第8期324-338,共15页
目前的传统模型如支持向量机(SVM)、循环神经网络(RNN)、长短期记忆网络(LSTM)等,在处理非线性、多尺度、高噪声的股票时间序列数据方面存在局限,往往无法有效提升股价趋势预测的准确性。针对这一问题,创新性地提出了一种基于通道注意... 目前的传统模型如支持向量机(SVM)、循环神经网络(RNN)、长短期记忆网络(LSTM)等,在处理非线性、多尺度、高噪声的股票时间序列数据方面存在局限,往往无法有效提升股价趋势预测的准确性。针对这一问题,创新性地提出了一种基于通道注意力和多头注意力的深度学习预测模型(SDAE-CNN-BiLSTM-CM)。该模型融合了降噪自编码器和CNN-BiLSTM模型,能够对高噪声的股票数据有效建模,同时引入了通道注意力机制(CAM)和多头注意力机制(MSA),以更好地捕获时间序列的短期和长期依赖关系,最后通过联合优化层实现分层聚合时序信息,以适应金融时间序列时变性强的特点。实证结果表明,相较于传统模型,所提出的模型在提高股价趋势预测准确性上具有优势,且基于该模型的交易策略在回测表现中也获得了较高的收益与较低的风险。 展开更多
关键词 股价趋势预测 深度学习 注意力机制 双向长短期记忆网络
在线阅读 下载PDF
基于模型和算法的量化投资方法股票预测研究综述
9
作者 李子煜 张金珠 高青山 《计算机工程与应用》 北大核心 2025年第19期1-11,共11页
股票价格预测一直是金融研究热点领域。近年来,量化投资方法凭借其客观性、系统性与高效性,逐渐成为股票市场研究的主流方向。随着大数据时代的到来,海量、多源、异构的数据为市场建模与决策提供了丰富的信息基础,有效融合多模态数据已... 股票价格预测一直是金融研究热点领域。近年来,量化投资方法凭借其客观性、系统性与高效性,逐渐成为股票市场研究的主流方向。随着大数据时代的到来,海量、多源、异构的数据为市场建模与决策提供了丰富的信息基础,有效融合多模态数据已成为提升预测准确性的关键路径。系统梳理了量化投资方法的理论演进,回顾了机器学习在股票预测中的应用发展。围绕数据、模型与算法三个维度,对近年来基于量化方法的研究成果进行了综述,深入分析并比较了不同研究在方法创新与技术实现上的差异与优势。此外,还探讨了当前研究中面临的挑战与局限,归纳总结了现有实践经验,并对多模态异构数据融合、弱信号挖掘、迁移学习及组合权重优化等研究方向进行了深入分析与展望。 展开更多
关键词 量化投资 股票预测 机器学习 自然语言处理
在线阅读 下载PDF
直面挑战:审计师数字化专长是否有助于提高审计质量? 被引量:10
10
作者 付强 张呈 廖益兴 《审计与经济研究》 CSSCI 北大核心 2024年第2期42-51,共10页
借鉴审计师行业专长的度量方法,将数字化客户占比较高的审计师定义为数字化专长审计师,并检验在数字化变革过程中,积极参与数字化审计并取得数字化审计经验的审计师是否能够取得更好的审计结果。结果发现数字化审计专长审计师在数字化... 借鉴审计师行业专长的度量方法,将数字化客户占比较高的审计师定义为数字化专长审计师,并检验在数字化变革过程中,积极参与数字化审计并取得数字化审计经验的审计师是否能够取得更好的审计结果。结果发现数字化审计专长审计师在数字化市场领域能够带来更优的审计质量,并且他们的特殊技能带来的积极作用能够被资本市场的投资者和分析师识别和认可(股价同步性更低且分析师预测更精准)。该结论为在数字化变革中,审计师如何能动应对大样本档案提供了证据,并为实务中事务所发展数字化审计提供了一些启示。 展开更多
关键词 数字化企业 数字化审计专长 审计质量 审计师特殊技术专长 股价同步性 分析师预测
在线阅读 下载PDF
融合三支聚类与分解集成学习的股票价格预测模型 被引量:2
11
作者 白军成 孙秉珍 +2 位作者 郭誉齐 陈有为 郭建峰 《运筹与管理》 CSSCI CSCD 北大核心 2024年第8期213-218,共6页
准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测... 准确的趋势判断与实时价格预测是获得理想投资收益的有效途径。现实的金融市场受客观经济环境变化,投资者预期回报以及其他潜在因素影响,使得传统预测方法面临较多的挑战和压力。如何在不确定的环境中发现一种可靠的预测工具,提高预测的准确性,将是值得深入探讨的科学问题。为了获得准确的预测,帮助投资者赢得最大利润,本文引入分解集成思想和三支决策理论,提出了一种基于三支聚类和分解集成的复合预测方法。首先,使用互补集成经验模态分解方法将原始时间序列分解成若干个相对平稳的子序列,实现降低原始时间序列复杂性的同时挖掘了隐藏的信息。其次,为了针对性地处理不同属性的子序列,构建了基于贝叶斯风险决策的概率粗糙集进行三支聚类。接着,为了避免输入信息的欠缺或者冗余信息的干扰,采用基于相空间重构的特征选择方法确定不同神经网络的输入结构。最后,将提出的方法应用于美股ANY价格预测和国际、国内的重要股票指数以及其成分股预测验证其有效性和实用性。同时为把粒计算思想方法与分解集成融合,构建复杂动态数据预测决策模型与方法进行了有益的尝试和探讨。此外,研究结果将为投资者的实际投资决策提供科学的支持与参考。 展开更多
关键词 三支聚类 互补集成经验模态分解 股票价格预测
在线阅读 下载PDF
融合图卷积和卷积自注意力的股票预测方法 被引量:2
12
作者 田红丽 崔姚 闫会强 《计算机工程与应用》 CSCD 北大核心 2024年第4期192-199,共8页
随着我国股票市场的不断发展,一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足,提出了融合图卷积和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数计算多只关联股票的关系... 随着我国股票市场的不断发展,一只股票的走势往往受其企业上下游产业发展的影响。针对主流股票预测模型忽略了股票间关联关系的不足,提出了融合图卷积和多头卷积自注意力的股票趋势预测模型。首先使用互相关系数计算多只关联股票的关系矩阵,再使用图卷积神经网络结合关系矩阵对关联股票进行特征提取,其次使用多头卷积自注意力提取时间特征,最后使用分类损失函数多项式展开框架对损失函数进行优化,并进行趋势预测。实验结果表明,所提模型在准确率、查全率、召回率以及F1分数上均优于门控循环单元、时间卷积网络等模型。 展开更多
关键词 股票趋势预测 卷积自注意力 去趋势互相关系数
在线阅读 下载PDF
基于VMD-CSSA-LSTM组合模型的股票价格预测 被引量:1
13
作者 黄后菊 李波 《南京信息工程大学学报》 CAS 北大核心 2024年第3期332-340,共9页
针对股票价格非平稳、非线性和高复杂等特性引发的预测难度大的问题,建立一种基于变分模态分解(Variational Mode Decomposition,VMD)-Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm,CSSA)-长短期记忆(Long Short-Term... 针对股票价格非平稳、非线性和高复杂等特性引发的预测难度大的问题,建立一种基于变分模态分解(Variational Mode Decomposition,VMD)-Circle混沌映射的麻雀搜索算法(Circle Sparrow Search Algorithm,CSSA)-长短期记忆(Long Short-Term Memory,LSTM)神经网络的组合模型——VMD-CSSA-LSTM.首先,利用VMD将原始股票收盘价数据分解为若干本征模态函数(Intrinsic Mode Function,IMF)分量.然后,采用Circle混沌映射的SSA算法对LSTM神经网络的隐含层神经元、迭代次数、学习率进行优化,将最优参数拟合至LSTM网络中.最后,对每个IMF分量建模预测,将各分量预测结果叠加得到最终结果.实验结果表明,与其他模型相比,本文模型在多支股票数据集上的均方根误差(RMSE)、平均绝对误差(MAE)及平均绝对百分比误差(MAPE)均达到最小,预测股票收盘价格误差在0附近波动,稳定性更优、拟合更佳、精确度更高. 展开更多
关键词 股票价格预测 变分模态分解 麻雀搜索算法 Circle混沌映射 长短期记忆网络
在线阅读 下载PDF
基于改进Transformer和超图模型的股票趋势预测方法研究 被引量:1
14
作者 郝剑龙 刘志斌 +2 位作者 张宸 孙琪炜 常新功 《智能系统学报》 CSCD 北大核心 2024年第5期1126-1135,共10页
股票预测是一项令人痴迷又极具挑战的任务。近年来,融合关系信息的股票时序预测方法取得一些进展,但仍存在如下问题:首先,基于图神经网络的方法仅考虑股票之间简单的成对关系,而未考虑股票间的高阶协同关系。其次,现有方法采用预定义图... 股票预测是一项令人痴迷又极具挑战的任务。近年来,融合关系信息的股票时序预测方法取得一些进展,但仍存在如下问题:首先,基于图神经网络的方法仅考虑股票之间简单的成对关系,而未考虑股票间的高阶协同关系。其次,现有方法采用预定义图的方式直接给出股票间的静态关系,无法建模股票间潜在的动态变化关系。为了解决上述问题,提出一种端到端的动态超图卷积神经网络股票趋势预测框架。该框架基于改进的Transformer提取股票的时序信息,通过静态超图和动态超图将股票间的协同关系信息引入到时序建模中。在中国A股和美股市场数据集上的实验结果表明,与当前先进模型相比,本文模型的预测性能具有显著优势。 展开更多
关键词 TRANSFORMER 趋势感知 注意力机制 动态超图 协同关系 股票趋势预测 时序预测 混合模型
在线阅读 下载PDF
基于动态选择预测器的深度强化学习投资组合模型 被引量:3
15
作者 赵淼 谢良 +1 位作者 林文静 徐海蛟 《计算机科学》 CSCD 北大核心 2024年第4期344-352,共9页
近年来,投资组合管理问题在人工智能领域得到了广泛的研究,但现有的基于深度学习的量化交易方法还存在一些问题。首先,对股票的预测模式单一,通常一个模型只能训练出一个交易专家,交易决策也仅根据模型预测结果作出;其次,模型使用的数... 近年来,投资组合管理问题在人工智能领域得到了广泛的研究,但现有的基于深度学习的量化交易方法还存在一些问题。首先,对股票的预测模式单一,通常一个模型只能训练出一个交易专家,交易决策也仅根据模型预测结果作出;其次,模型使用的数据源相对单一,只考虑了股票自身数据,忽略了整个市场风险对股票的影响。针对上述问题,提出了基于动态选择预测器的强化学习模型(DSDRL)。该模型分为3部分,首先提取股票数据的特征并传入多个预测器中,针对不同的投资策略训练多个预测模型,用动态选择器得到当前最优预测结果;其次,利用市场环境评价模块对当前市场风险进行量化,得到合适的投资金额比例;最后,在前两个模块的基础上建立了一种深度强化学习模型模拟真实的交易环境,基于预测的结果和投资金额比例得到实际投资组合策略。文中使用中证500和标普500的日k线数据进行测试验证,结果表明,此模型在夏普率等指标上均优于其他参照模型。 展开更多
关键词 强化学习 LSTM 投资组合 股市预测 神经网络
在线阅读 下载PDF
1998–2020年全国种蛋鸡场统计数据集
16
作者 贺霞 韩昀 +2 位作者 孔繁涛 孙伟 曹姗姗 《中国科学数据(中英文网络版)》 CSCD 2024年第2期209-217,共9页
种蛋鸡场历史统计数据对未来市场调控和促进蛋鸡行业的高质量发展具有重要意义。本数据集利用《中国畜牧兽医年鉴(中国畜牧业年鉴)》,整理收集1998–2020年种蛋鸡场统计数据,借助工具软件Excel对录入数据进行整理、汇总、复核等操作,遵... 种蛋鸡场历史统计数据对未来市场调控和促进蛋鸡行业的高质量发展具有重要意义。本数据集利用《中国畜牧兽医年鉴(中国畜牧业年鉴)》,整理收集1998–2020年种蛋鸡场统计数据,借助工具软件Excel对录入数据进行整理、汇总、复核等操作,遵循完整性、一致性等基本原则,对数据进行加工处理和质量检验,并使用SPSS软件对数据进行多元线性回归分析,填补缺失数据,构建了1998–2020年全国种蛋鸡场统计数据集。数据集包含3个数据文件,涉及全国和31个省(自治区、直辖市)的种蛋鸡场、祖代及以上蛋鸡场和父母代蛋鸡场的数量、年末存栏量、出栏量统计数据,共计61条数据信息。本数据集可为种蛋鸡场区域分布、蛋鸡行业形势预测和制定生产规划和产业布局等研究提供数据支撑。 展开更多
关键词 蛋鸡行业 种蛋鸡场 年末存栏量 出栏量 形势预测
在线阅读 下载PDF
美国不确定性冲击对全球股市波动的影响研究 被引量:4
17
作者 李政 李薇 《财经理论与实践》 CSSCI 北大核心 2024年第2期48-55,共8页
选取2000—2021年美国经济、金融、经济政策和地缘风险四类不确定性指数以及全球GDP排行前15国家股市收益率数据,基于多维不确定性冲击框架,运用单因子、双因子和多因子混频波动率GARCH-MIDAS模型,从样本内拟合与样本外预测两个方面实... 选取2000—2021年美国经济、金融、经济政策和地缘风险四类不确定性指数以及全球GDP排行前15国家股市收益率数据,基于多维不确定性冲击框架,运用单因子、双因子和多因子混频波动率GARCH-MIDAS模型,从样本内拟合与样本外预测两个方面实证考察美国不确定性冲击对全球主要国家股市波动的差异化影响。研究表明:美国经济不确定性和金融不确定性对多数国家股市长期波动均有正向推动作用,其中,美国金融不确定性的影响最为广泛;美国金融不确定性是影响中国股市长期波动的主要因素,且中美贸易摩擦主要通过美国金融不确定性传导;美国经济政策不确定性上升会增加俄罗斯和墨西哥股市长期波动,美国地缘风险对意大利股市长期波动存在显著正向影响。 展开更多
关键词 美国不确定性 股市波动 GARCH-MIDAS 样本外预测
在线阅读 下载PDF
基于LSTM-文本分析的量化选股模型
18
作者 陆芳玲 赵家玮 夏铁成 《上海大学学报(自然科学版)》 CAS CSCD 北大核心 2024年第2期352-361,共10页
随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term me... 随着国民生活水平的提高,越来越多的人投身于股票市场.为了科学有效地量化选股,通过将量化投资、深度学习及文本分析进行有机结合,来建立量化选股模型.首先,通过文本分析筛选出基本面利好的股票;然后,通过长短期记忆(long-short term memory,LSTM)选出预测准确度良好的股票;最后,预测所选出的股票在未来几天的股价趋势.在实证分析方面,通过本模型对部分股票进行运算,选取预测效果较好的股票:赢合科技. 展开更多
关键词 量化选股 文本分析 长短期记忆(long-short term memory LSTM) 预测
在线阅读 下载PDF
分析师的疲劳、预测质量与股票收益——来自中国资本市场的证据
19
作者 华夏 樊力 尹响 《商业研究》 CSSCI 北大核心 2024年第3期142-152,共11页
分析师的决策疲劳是否导致预测质量下降是业界关注的问题,本文对中国A股市场中分析师疲劳与预测质量关系进行研究,经过对2006—2023年A股市场卖方分析师个股研究报告中的盈余预测进行数据统计和分析,研究发现:分析师的决策疲劳与盈余预... 分析师的决策疲劳是否导致预测质量下降是业界关注的问题,本文对中国A股市场中分析师疲劳与预测质量关系进行研究,经过对2006—2023年A股市场卖方分析师个股研究报告中的盈余预测进行数据统计和分析,研究发现:分析师的决策疲劳与盈余预测误差呈正向关系,即随着一周内发布预测的增加,分析师对公司盈余预测误差也在增大。分析师在决策疲劳严重时发布的预测会预示着未来个股中长期收益降低,盈余预测误差在这一关系中充当部分中介变量。决策疲劳引起的较低股票收益与市场信息不对称相关。 展开更多
关键词 分析师预测 盈余预测误差 决策疲劳 股票市场
在线阅读 下载PDF
BP神经网络在证券分析预测中应用 被引量:20
20
作者 陈可 张琴舜 +1 位作者 陈培培 蔡日基 《计算机工程》 CAS CSCD 北大核心 2001年第11期95-97,共3页
介绍了人工神经网络的基本概念和组成后,讨论了它与传统分析预测方法的区别和优势。对证券分析和预测提出了一种基于BP算法的人工神经网络模型,结台计算实例和结果的误差分析,给出了改进的方向。
关键词 人工神经网络 BP算法 证券预测 证券分析 股票市场
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部