【华安证券·金融工程】专题报告:基于统计跳跃状态识别模型管理...
作者的JM利用了一组仅从收益序列中得出的风险和收益指标作为特征集,并通过直接优化策略绩效的时间序列交叉验证方法来选择最优跳跃惩罚。结果表明,与隐马尔可夫模型指导的策略和买入并持有策略相比,JM指导的策略在降低风险指标(如波动性和最大回撤)以及提高风险调整后收益(如夏普比率)方面始终表现出色。回到国内市场,...
经济统计学专业中的机器学习方法在经济预测中有哪些应用?
特征选择:经济数据往往包含着成千上万的变量,但并不是每一个变量都对预测结果有影响。机器学习方法,比如主成分分析(PCA)、特征重要性评估等,就像是一个精明的“筛选师”,能够从众多的变量中挑选出那些对预测结果最有影响的特征,从而提高预测的准确性。模型训练与优化:机器学习方法提供了各种各样的算法模型,...
...神经网络、Lasso回归、线性回归、随机森林、ARIMA股票价格
但市场股价信息只是影响股票价格的一部分因素,更适用于短期股价预测;在中长期股价预测中,要考虑的因素还有很多,例如股票的基本面因素,包括宏观经济分析(CPI、GDP、通货膨胀率)、中观经济分析(企业所处的行业相关的情况)和微观经济分析(企业内部运营情况)三大方面的内容。接下来我们一个实例包含代码和数据来演示如何用...
BC变换的EWMA控制图对顺丰控股股票的分析研究
对于我们的预测分析,我们开发了一种综合方法,利用四种不同的机器学习模型,每种模型都因其在预测结果方面的独特优势和能力而被选中。这些模型包括:线性回归:评估自变量和因变量之间线性关系的基础模型。套索回归:线性回归的扩展,包含L1正则化,有助于特征选择和减少过拟合。随机森林回归:一种集成学习方法,它使用...
汪毅:自上而下全A盈利预测研究
风险提示:数据统计错误风险、模型训练风险、模型过拟合风险、历史不代表未来、模型盈利预测与实际盈利不一致风险1.引言站在投资的角度,影响股票价格的因素有估值和盈利,相对于估值的频繁波动,盈利预测则相对确定一些,因此,盈利预测历来都是股票投资的核心内容;盈利系统性研究较为庞大,按对象可分成全A、行业、个股,按...
利用统计和机器学习技术进行股票价格预测
目的:股票价格预测一直作为一门研究课题,因为它在国家宏观经济中具有重要的作用(www.e993.com)2024年10月16日。很难用一组特定的公式写下股票的未来价值。当我们预测一只股票的未来价格时,许多因素都会出现。其中最重要的是历史价格和成交量数据。方法:随着机器学习的兴起,人们提出了多种预测股票价格的方法。目前,已开发了RNN、LSTM、CNN滑动窗口等...
大语言模型做科研的N种可能性:从自主进行科学实验到写综述文章
大语言模型的通用性带来了广泛的应用前景。大语言模型可以自主进行科学实验,合成化合物,预测新材料性能,写综述文章,预测股票价格...本文罗列了将大语言模型应用于科学研究的种种尝试,包括生物医药、化学、材料科学、气候科学、工程、经济金融、科学学等各个领域。关键词...
机器学习可以预测股票走向,靠谱么?
1、机器学习估计器的选择,即我们使用何种方法进行我们的预测。2、训练集样本数量的选择,即我们每次预测结果之前使用多少条训练集合的样本。3、涨跌时间窗口的选择,即我们每个样本中的特征个数,我们训练集每个单元包含连续多少个交易日的涨跌。下面具体说:...
【华泰金工林晓明团队】风格稳定的绩优股票基金筛选策略--基于...
Sharpe模型的回归系数代表了相应风格对基金整体收益的贡献程度,在应用Sharpe模型时,确定主要的风格即确定因子,不同因子的选择,回归得到的系数会存在一定差异,因子选择的多样性也使得Sharpe模型更为灵活。本文中,我们采用巨潮风格指数作为不同风格的股票类资产的代表。从编制方法上来看,其中巨潮价值指数以每股收益与价格比...
告别RNN,迎来TCN!股市预测任务是时候拥抱新技术了
Ha等人在《Forecastingthevolatilityofstockpriceindex:AhybridmodelintegratingLSTMwithmultipleGARCH-typemodels》中提出将CNN用于定量股票选择策略,以确定股市趋势,然后使用LSTM预测股票价格,并提出一种混合神经网络模型,用于定量择时策略,以增加利润。