-
题名基于线性或非线性结构自动识别的股价预测
- 1
-
-
作者
梁焙婷
王斌会
王国长
庞檬缘
-
机构
暨南大学经济学院
暨南大学管理学院
新加坡国立大学理学院
-
出处
《系统工程学报》
北大核心
2025年第4期574-594,共21页
-
文摘
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。
-
关键词
股价预测
lasso方法
群lasso方法
加性模型
LANEM方法
-
Keywords
stock price forecast
lasso
Group lasso
the additive model
LANEM
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
