本文選題：小波分析 + 變量選擇��； 參考：《數(shù)理統(tǒng)計(jì)與管理》2017年01期

【摘要】：為提高金融時(shí)間序列的預(yù)測(cè)精度,本文提出了基于MODWT、MCP變量選擇方法和RELM_Adaboost的混合預(yù)測(cè)模型。該模型由三步構(gòu)成:第一步,收集特征變量,包括MODWT分解得到的特征變量以及常用的技術(shù)指標(biāo);第二步,利用MCP懲罰方法從上述特征變量中選取重要的作為輸入變量;第三步,利用Mnet懲罰正則化ELM,將RELM視作弱預(yù)測(cè)器,然后用Adaboost算法生成強(qiáng)預(yù)測(cè)器進(jìn)行預(yù)測(cè)。實(shí)證結(jié)果顯示:第一,經(jīng)過MCP方法的篩選,最終的輸入變量中不僅包含常用技術(shù)指標(biāo),還有小波分解所得的變量。第二,混合預(yù)測(cè)模型RELM_Adaboost有良好的泛化誤差表現(xiàn)。本文提出的模型在量化交易時(shí)代具有良好的應(yīng)用前景。
[Abstract]:In order to improve the prediction accuracy of financial time series, a mixed forecasting model based on MODWT-MCP variable selection method and RELM_Adaboost is proposed in this paper. The model consists of three steps: in the first step, the characteristic variables are collected, including the characteristic variables obtained by MODWT decomposition and the commonly used technical indicators; in the second step, the important variables are selected as input variables from the above characteristic variables by using the MCP penalty method; the third step, Using Mnet to regularize ELM, RELM is regarded as a weak predictor, and then strong predictor is generated by Adaboost algorithm. The empirical results show that: first, after the MCP method, the final input variables include not only the commonly used technical indicators, but also the wavelet decomposition variables. Second, the mixed prediction model RELM_Adaboost has a good generalization error performance. The model proposed in this paper has a good application prospect in the era of quantitative trading.
【作者單位】： 上海財(cái)經(jīng)大學(xué)統(tǒng)計(jì)與管理學(xué)院;
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(71271128,71331006,71571113) 長(zhǎng)江學(xué)者和創(chuàng)新團(tuán)隊(duì)發(fā)展計(jì)劃(上海財(cái)經(jīng)大學(xué):IRT13077) 上海財(cái)經(jīng)大學(xué)創(chuàng)新團(tuán)隊(duì)支持計(jì)劃
【分類號(hào)】：F831.51;O211.61

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王海川,張立明;一種新的Adaboost快速訓(xùn)練算法[J];復(fù)旦學(xué)報(bào)(自然科學(xué)版);2004年01期

2 李振;;基于Adaboost的人臉檢測(cè)[J];科技信息(科學(xué)教研);2007年31期

3 李亞瓊;趙春暉;潘泉;張紹武;;新的AdaBoost算法評(píng)價(jià)體系[J];計(jì)算機(jī)工程與應(yīng)用;2009年08期

4 何海燕;施培蓓;;基于改進(jìn)AdaBoost算法的行人檢測(cè)方法[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年03期

5 戴青云;程俊紅;;AdaBoost算法在人臉識(shí)別中的應(yīng)用[J];黑龍江科技信息;2009年36期

6 劉禮輝;;基于Adaboost的快速人臉檢測(cè)系統(tǒng)[J];科技風(fēng);2009年03期

7 呂慧娟;武澎;;基于改進(jìn)的AdaBoost算法的人臉檢測(cè)[J];河南大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年01期

8 李銳;王卷樂;任正超;;基于AdaBoost算法的城鎮(zhèn)建設(shè)用地遙感動(dòng)態(tài)提取研究[J];國(guó)土資源遙感;2010年02期

9 李文輝;倪洪印;;一種改進(jìn)的Adaboost訓(xùn)練算法[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2011年03期

10 韓敏;穆大蕓;;基于Adaboost算法的回聲狀態(tài)網(wǎng)絡(luò)預(yù)報(bào)器[J];控制理論與應(yīng)用;2011年04期

相關(guān)會(huì)議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)議論文集[C];2012年

2 張超;苗振江;;基于AdaBoost的面部信息感知[A];第十三屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2007）論文集[C];2007年

3 郭翌;汪源源;;基于Adaboost算法的頸動(dòng)脈粥樣硬化判別方法[A];中國(guó)儀器儀表學(xué)會(huì)第十一屆青年學(xué)術(shù)會(huì)議論文集[C];2009年

4 張紅梅;高海華;王行愚;;抑制樣本噪聲的AdaBoost算法及其在入侵檢測(cè)中的應(yīng)用[A];2007年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細(xì)胞位置預(yù)測(cè)[A];中國(guó)化學(xué)會(huì)第26屆學(xué)術(shù)年會(huì)化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)分會(huì)場(chǎng)論文集[C];2008年

6 陳宏偉;劉建偉;費(fèi)向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

7 唐曉丹;苗振江;;基于AdaBoost和粒子濾波的目標(biāo)跟蹤[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識(shí)別[A];第二十六屆中國(guó)控制會(huì)議論文集[C];2007年

9 ;Using Skin Color and HAD-AdaBoost Algorithm for Face Detection in Color Images[A];Information Technology and Computer Science—Proceedings of 2012 National Conference on Information Technology and Computer Science[C];2012年

10 肖磊;李麗;肖佳文;;基于AdaBoost-SVM的上市公司信用風(fēng)險(xiǎn)評(píng)估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟(jì)發(fā)展研討會(huì)論文集[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 佟旭;基于復(fù)雜網(wǎng)絡(luò)理論的糖尿病腎病辨證建模研究[D];北京中醫(yī)藥大學(xué);2016年

2 劉沖;模擬電路故障診斷AdaBoost集成學(xué)習(xí)方法研究[D];大連海事大學(xué);2011年

3 張?zhí)珜?人眼注視點(diǎn)估計(jì)方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計(jì)算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測(cè)研究[D];東華大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 皮麗琴;基于AdaBoost-GASVM算法和LDA主題模型的短文本分類研究[D];華南理工大學(xué);2015年

2 孫斌;一種基于Adaboost的實(shí)時(shí)行人檢測(cè)算法[D];華南理工大學(xué);2015年

3 蔡澤彬;基于視頻分析的行人檢測(cè)及統(tǒng)計(jì)方法研究[D];華南理工大學(xué);2015年

4 游晴;Adaboost人臉檢測(cè)算法研究及其在硬件平臺(tái)上的實(shí)現(xiàn)[D];昆明理工大學(xué);2015年

5 宋雨;基于視覺圖片的腦—機(jī)接口控制研究[D];天津理工大學(xué);2015年

6 林欣;基于改進(jìn)膚色模型的AdaBoost人臉檢測(cè)算法研究[D];陜西科技大學(xué);2015年

7 袁浩杰;Adaboost算法的并行化及其在目標(biāo)分類中的應(yīng)用[D];華南理工大學(xué);2015年

8 張恒;基于近紅外圖像的疲勞駕駛檢測(cè)研究與系統(tǒng)實(shí)現(xiàn)[D];長(zhǎng)安大學(xué);2015年

9 朱非易;基于不平衡學(xué)習(xí)的蛋白質(zhì)—維生素綁定位點(diǎn)預(yù)測(cè)研究[D];南京理工大學(xué);2015年

10 張?jiān)?一種基于AdaBoost的組合分類算法研究[D];四川師范大學(xué);2015年

，

本文編號(hào)：1887719