發(fā)布時間：2018-05-14 11:44

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

【摘要】：為提高金融時間序列的預(yù)測精度,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;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)測器,然后用Adaboost算法生成強預(yù)測器進行預(yù)測。實證結(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,還有小波分解所得的變量。第二,混合預(yù)測模型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】： 上海財經(jīng)大學(xué)統(tǒng)計與管理學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(71271128,71331006,71571113) 長江學(xué)者和創(chuàng)新團隊發(fā)展計劃(上海財經(jīng)大學(xué):IRT13077) 上海財經(jīng)大學(xué)創(chuàng)新團隊支持計劃
【分類號】：F831.51;O211.61

【相似文獻】

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(自然科學(xué)版);2004年01期

2 李振;;基于Adaboost的人臉檢測[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算法評價體系[J];計算機工程與應(yīng)用;2009年08期

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

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

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

7 呂慧娟;武澎;;基于改進的AdaBoost算法的人臉檢測[J];河南大學(xué)學(xué)報(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)用地遙感動態(tài)提取研究[J];國土資源遙感;2010年02期

9 李文輝;倪洪印;;一種改進的Adaboost訓(xùn)練算法[J];吉林大學(xué)學(xué)報(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)報器[J];控制理論與應(yīng)用;2011年04期

相關(guān)會議論文 前10條

1 Wen Feng;;A Novel Lips Detection Method Combined Adaboost Algorithm and Camshift Algorithm[A];2012年計算機應(yīng)用與系統(tǒng)建模國際會議論文集[C];2012年

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

3 郭翌;汪源源;;基于Adaboost算法的頸動脈粥樣硬化判別方法[A];中國儀器儀表學(xué)會第十一屆青年學(xué)術(shù)會議論文集[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中的應(yīng)用[A];2007年中國智能自動化會議論文集[C];2007年

5 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預(yù)測[A];中國化學(xué)會第26屆學(xué)術(shù)年會化學(xué)信息學(xué)與化學(xué)計量學(xué)分會場論文集[C];2008年

6 陳宏偉;劉建偉;費向東;;一種半監(jiān)督環(huán)境下的Adaboost算法[A];2008'中國信息技術(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和粒子濾波的目標跟蹤[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 張彬;金連文;;基于AdaBoost的手寫體漢字相似字符識別[A];第二十六屆中國控制會議論文集[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的上市公司信用風險評估[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[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?人眼注視點估計方法的研究[D];南開大學(xué);2013年

4 趙培英;基于智能計算的膜蛋白結(jié)構(gòu)與相互作用預(yù)測研究[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的實時行人檢測算法[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及統(tǒng)計方法研究[D];華南理工大學(xué);2015年

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

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

6 林欣;基于改進膚色模型的AdaBoost人臉檢測算法研究[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研究與系統(tǒng)實現(xiàn)[D];長安大學(xué);2015年

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

10 張元;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：1887719