對(duì)影響股票融資跌漲幅的主要因素的研究,及對(duì)跌漲幅預(yù)測(cè)精度的提高,是融資領(lǐng)域中的一個(gè)重要內(nèi)容,故本文對(duì)此展開相關(guān)研究。首先運(yùn)用具有特征選取作用的Lasso模型對(duì)國(guó)內(nèi)融資數(shù)據(jù)進(jìn)行因素影響性分析,結(jié)果顯示影響跌漲幅的主要因素為融資買入額、融資償還額及融資余額。接著,本文在集成學(xué)習(xí)思想的基礎(chǔ)上,運(yùn)用方差倒數(shù)法對(duì)Lasso、XGBoost和隨機(jī)森林進(jìn)行模型賦權(quán)并線性結(jié)合,從而構(gòu)造組合回歸模型,提高了預(yù)測(cè)精度;最后通過(guò)評(píng)價(jià)指標(biāo)RMSE和MAPE的對(duì)比發(fā)現(xiàn)組合模型較單項(xiàng)模型具有更強(qiáng)的穩(wěn)健性和更高的預(yù)測(cè)精度。 

【文章來(lái)源】：時(shí)代金融. 2019,(33)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
一、引言
二、相關(guān)理論與實(shí)證研究
    （一）數(shù)據(jù)選取與處理
        1. 數(shù)據(jù)來(lái)源。
        2. 缺失值處理。
        3. 歸一化。
        4. 數(shù)據(jù)劃分。
    （二）多重共線性檢驗(yàn)
    （三）因素評(píng)估：Lasso模型
    （四）漲跌幅的預(yù)測(cè)：回歸組合模型
        1. XGBoost與隨機(jī)森林回歸模型。
        2. 回歸組合模型。
    （五）模型評(píng)估
三、分析與總結(jié)
    （一）關(guān)于影響因素的評(píng)估
    （二）關(guān)于模型評(píng)估


【參考文獻(xiàn)】：
期刊論文
[1]基于Lasso和Xgboost的油價(jià)預(yù)測(cè)研究[J]. 施國(guó)良,景志剛,范麗偉.  工業(yè)技術(shù)經(jīng)濟(jì). 2018(07)
[2]Xgboost在滾動(dòng)軸承故障診斷中的應(yīng)用[J]. 張鈺,陳珺,王曉峰,劉飛.  噪聲與振動(dòng)控制. 2017(04)
[3]影響股票達(dá)到漲跌幅限制的因素分析[J]. 穆啟國(guó),劉海龍,吳沖鋒.  系統(tǒng)工程理論與實(shí)踐. 2003(09)



本文編號(hào)：3173007