期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于网络关系的分类变量预测研究
1
作者
丁月
方匡南
+1 位作者
兰伟
徐顺
《统计研究》
CSSCI
北大核心
2024年第1期148-156,共9页
传统的预测方法通常基于个体的协变量信息进行建模和预测,少有考虑个体间的网络结构信息。事实上,网络节点间的关联信息能够为节点的响应变量预测提供信息,为此本文提出网络标签传播算法。基于半监督学习框架,以邻接矩阵为节点相似性推...
传统的预测方法通常基于个体的协变量信息进行建模和预测,少有考虑个体间的网络结构信息。事实上,网络节点间的关联信息能够为节点的响应变量预测提供信息,为此本文提出网络标签传播算法。基于半监督学习框架,以邻接矩阵为节点相似性推断依据,通过节点间的连接信息和已知节点的响应变量信息,来推断未知节点的响应变量信息。该算法适用于响应变量为分类变量的不完整网络数据。在网络服从随机分块模型的设定下,本文证明了该算法能够一致地预测未知节点的响应变量。数值模拟和实证数据分析结果显示,该算法预测效果较好。
展开更多
关键词
不完整网络
网络插补
网络标签传播
分类变量
信用风险评估
在线阅读
下载PDF
职称材料
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
被引量：
11
2
作者
贺平
兰伟
丁月
《统计研究》
CSSCI
北大核心
2021年第5期82-96,共15页
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股...
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。
展开更多
关键词
横截面收益预测
资产配置策略
我国股票市场
组合LASSO-logistic方法
在线阅读
下载PDF
职称材料
题名
基于网络关系的分类变量预测研究
1
作者
丁月
方匡南
兰伟
徐顺
机构
西南
交通
大学
经济管理
学院
西南
交通
大学
服务科学与创新四川省重点实验室
厦门
大学
经济
学院
西南财经大学统计学院和统计研究中心
四川新网银行
出处
《统计研究》
CSSCI
北大核心
2024年第1期148-156,共9页
基金
国家重点研发计划“分布式统计学习理论与方法”(2022YFA1003702)
国家自然科学基金面上项目“基于多源信息融合的高维分类方法及其在信用评分中的应用”(72071169)
国家自然科学基金面上项目“数据驱动的跨项目知识转移方法研究:知识图谱与迁移学习视角”(72171197)。
文摘
传统的预测方法通常基于个体的协变量信息进行建模和预测,少有考虑个体间的网络结构信息。事实上,网络节点间的关联信息能够为节点的响应变量预测提供信息,为此本文提出网络标签传播算法。基于半监督学习框架,以邻接矩阵为节点相似性推断依据,通过节点间的连接信息和已知节点的响应变量信息,来推断未知节点的响应变量信息。该算法适用于响应变量为分类变量的不完整网络数据。在网络服从随机分块模型的设定下,本文证明了该算法能够一致地预测未知节点的响应变量。数值模拟和实证数据分析结果显示,该算法预测效果较好。
关键词
不完整网络
网络插补
网络标签传播
分类变量
信用风险评估
Keywords
Incomplete Network
Network Imputation
Network Label Propagation
Categorical Variables
Credit Risk Rating
分类号
O212 [理学—概率论与数理统计]
F832.4 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
被引量：
11
2
作者
贺平
兰伟
丁月
机构
西南财经大学统计学院和统计研究中心
西南
交通
大学
经济管理
学院
出处
《统计研究》
CSSCI
北大核心
2021年第5期82-96,共15页
基金
国家自然科学基金项目(71532001,11931014,71991472,71702154,71702155)
教育部人文社科青年基金项目(16YJC630018)
文摘
本文研究了上市公司的41个特征变量对我国股票收益率样本外的可预测性。基于2010年1月至2019年10月上市公司的财务及股票交易数据,本文采用机器学习驱动的组合LASSO-logistic算法解决了股票预测中存在的3个问题:(1)特征变量不足导致股票异象因子构建不全面问题,(2)特征变量构建过多而存在的"维度灾难"问题,(3)特征变量之间的高相关性导致预测不稳定问题。研究结果显示,组合LASSO-logistic算法能够有效识别特征变量与预期收益之间的复杂关系,其投资组合资产配置的策略能够比传统多元Logistic算法、支持向量机(SVM)算法和随机森林算法得到更高的超额回报。同时,本文发现影响股票预期收益的公司特征变量并非一成不变,其显著的动态变化在一定程度上提示了我国股票市场的弱稳定性。
关键词
横截面收益预测
资产配置策略
我国股票市场
组合LASSO-logistic方法
Keywords
Cross-sectional Expected Stock Returns
Portfolio Strategy
Chinese Stock Market
Combination LASSO-logistic Model
分类号
F224 [经济管理—国民经济]
F832.51 [经济管理—金融学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于网络关系的分类变量预测研究
丁月
方匡南
兰伟
徐顺
《统计研究》
CSSCI
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
我国股票市场可以预测吗?——基于组合LASSO-logistic方法的视角
贺平
兰伟
丁月
《统计研究》
CSSCI
北大核心
2021
11
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
