×
玛丽亚·戈伦茨·诺瓦克；德扬·维卢舍克

根据每日高价预测股价走势。 （英语） Zbl 1468.91151号

数量。财务 16，第5期，793-826（2016）.
摘要：对股票收盘价格走势的预测吸引了很多研究兴趣。使用机器学习技术，特别是统计分类器，对数百种流动性股票的日收盘价走势进行日前预测，通常不是很成功。我们怀疑，失败的原因之一是市场收盘前最后几分钟价格波动较大。已经有人尝试使用波动性较小的每日高价来代替，但这些研究仅集中在少数特定证券的特定非统计机器学习方法上。我们表明，在一些简单的投资组合管理技术中加入用于日前每日高价格变动预测的统计分类器可以显著提高其性能。对标准普尔500指数股票进行的测试表明，这种策略是稳健的，即不同股票的可靠性差异没有显著差异，而且这种策略大大优于标准普尔500指数和其他几个基准，同时只增加了少量风险。

引用于1文件

MSC公司：

91G15型 金融市场
91G10型 投资组合理论
68T05型 人工智能中的学习和自适应系统

关键词：

股价走势预测；交易策略；每日高价；支持向量机；线性鉴别分析；天真的贝叶斯

软件：

RSPOP公司；对；科恩拉布
PDF格式BibTeX公司 XML格式引用
\textit{M.G.Novak}和\textit{D.Velušck}，Quant。财务16，No.5，793--826（2016；Zbl 1468.91151）
全文： 内政部

参考文献：

[1] Abu-Mostafa，Y.S.和Atiya，A.F.，《财务预测导论》。申请。智力。, 1996, 6, 205-213. ·doi:10.1007/BF001226626
[2] 阿切利斯，S.R。，从A到Z的技术分析2013年（McGraw-Hill:纽约）。
[3] Ang，K.K.和Quek，C.，《使用RSPOP进行股票交易：一种新的基于粗糙集的神经模糊方法》。IEEE传输。神经网络。, 2006, 17, 1301-1315. ·doi:10.1109/TNN.2006.875996
[4] Atsalakis，G.S.和Valavanis，K.P.，《股市预测技术调查——第二部分：软计算方法》。专家系统。申请。, 2009, 36, 5932-5941. ·doi:10.1016/j.eswa.2008.07.006
[5] Baba，N.和Suto，H.，《人工神经网络和TD-学习方法在构建智能决策支持系统中的应用》。欧洲药典。物件。, 2000, 122, 501-508. ·Zbl 1068.90563号 ·doi:10.1016/S0377-2217（99）00250-7
[6] Ben-Hur，A.和Weston，J.，支持向量机的用户指南。在分子生物学生命科学方法的数据挖掘技术由O.Carugo和F.Eisenhaber编辑，第609卷，第223-239页，2010年（Humana出版社：新泽西州Totowa）。 ·doi:10.1007/978-1-60327-241-4_13
[7] Caputo，B.、Sim，K.、Furesjo，F.和Smola，A.，使用SVM的基于外观的对象识别：我应该使用哪个内核？在NIPS视觉处理和计算机视觉计算实验统计方法研讨会论文集，惠斯勒，2002年。
[8] Chen，A.S.，Leung，M.T.和Daouk，H.，神经网络在新兴金融市场中的应用：台湾股票指数的预测和交易。计算。操作。物件。, 2003, 30, 901-923. ·邮编：1046.91056 ·doi:10.1016/S0305-0548（02）00037-0
[9] Faghani，F.、Abzari，M.、Fathi，S.和Monajemi，S.A.H.，使用人工神经模糊推理系统和技术分析方法设计股票交易系统。国际法学协会。Res.帐户。财务。管理。科学。, 2014, 4, 76-84.
[10] Gestel，T.、Suykens，J.A.K.、Baestaend，D.E.、Lambrechts，A.、Lanckriet，G.、Vandaele，B.、Moor，B.和Vandwalle，J.，在证据框架内使用最小二乘支持向量机进行金融时间序列预测。IEEE传输。神经网络。, 2001, 12, 809-820. ·数字对象标识代码：10.1109/72.935093
[11] ter Horst，E.、Rodriguez，A.、Gzyl，H.和Molina，G.，随机波动率模型，包括开盘价、收盘价、高价和低价。数量。财务, 2012, 12, 199-212. ·Zbl 1241.91145号
[12] Huang，W.，Nakamori，Y.和Wang，S.Y.，用支持向量机预测股市走势。计算。操作。物件。, 2005, 32, 2513-2522. ·兹比尔1068.90077 ·doi:10.1016/j.cor.2004.03.016
[13] Huang，C.L.和Tsai，C.Y.，一种混合SOFM-SVR，具有用于股市预测的基于过滤器的特征选择。专家系统。申请。, 2009, 36, 1529-1539. ·doi:10.1016/j.eswa.2007.11.062
[14] Jung，C.和Bond，R.，《预测英国股票价格》。申请。财务。经济。, 1996, 6, 279-286.
[15] Kamruzzaman，J.和Sarker，R.A.，基于ANN的外汇汇率预测。神经信息。过程。莱特。版次。, 2004, 3, 49-57.
[16] Kao，L.，Chiu，C.，Lu，C.和Chang，C.H.，一种将基于小波的特征提取与MARS和SVR相结合的混合方法，用于股指预测。Decis公司。辅助系统。, 2013, 54, 1228-1244. ·doi:10.1016/j.dss.2012.11.012
[17] Kara，Y.、Boyacioglu，M.A.和Baykan，O.K.，使用人工神经网络和支持向量机预测股价指数运动方向：伊斯坦布尔证券交易所样本。专家系统。申请。，2011年，385311-5319·doi:10.1016/j.eswa.2010.10.027
[18] Karatzoglou，A.，Smola，A.和Hornik，K.，Kernlab——R中内核方法的S4包，2010年。在线获取地址：http://cran.r-project.org/web/packages/kernlab/vignettes/kernlab.pdf（2014年9月16日访问）。
[19] Keerthi，S.S.和Lin，C.J.，高斯核支持向量机的渐近行为。神经计算。, 2003, 15, 1667-1689. ·Zbl 1086.68569号 ·doi:10.1162/089976603321891855
[20] Kim，K.J.，《使用支持向量机进行金融时间序列预测》。神经计算, 2003, 55, 307-319. ·doi:10.1016/S0925-2312（03）00372-2
[21] Kim，K.J.，金融预测进化实例选择人工神经网络。专家系统。申请。, 2006, 30, 519-526. ·doi:10.1016/j.eswa.2005.10.007
[22] Kim，K.和Han，I.，遗传算法用于预测股价指数的人工神经网络中的特征离散化。专家系统。申请。, 2000, 19, 125-132. ·doi:10.1016/S0957-4174（00）00027-0
[23] Kordos，M.和Cwiok，A.，基于神经网络的股票交易策略的新方法。在智能数据工程与自动学习-IDEAL由H.Yin、W.Wang和V.Rayward-Smith编辑，第429-436页，2011年（施普林格出版社：柏林，海德堡）。 ·doi:10.1007/978-3-642-23878-9_51
[24] Kumar，M.和Thenmozhi，M.，《预测股票指数走势：支持向量机和随机森林的比较》。在印度资本市场研究所第九届资本市场会议论文集, 2006. SSRN提供：网址：http://ssrn.com/abstract=876544
[25] Leigh，W.、Purvis，R.和Ragusa，J.M.，利用技术分析、模式识别器、神经网络和遗传算法预测纽约证交所综合指数：浪漫决策支持的案例研究。Decis公司。辅助系统。, 2001, 32, 361-377. ·doi:10.1016/S0167-9236（01）00121-X
[26] Lendasse，A.，de Bodt，E.，Wertz，V.和Verleysen，M.，非线性金融时间序列预测在Bel 20股票市场指数中的应用。欧洲经济杂志。社会系统。, 2000, 14, 81-91. ·Zbl 0953.91504号 ·doi:10.1051/ejess:2000110
[27] Lu，C.J.，Lee，T.S.和Chiu，C.，使用独立成分分析和支持向量回归进行金融时间序列预测。Decis公司。辅助系统。, 2009, 47, 115-125. ·doi:10.1016/j.dss.2009.02.001
[28] Martinez，L.，da Hora，D.，de M.Palotti，J.，Wagner，M.J.和Pappa，G.，从人工神经网络到股票市场日交易系统：BM&F BOVESPA的案例研究。在国际神经网络联合会议论文集第2006-2013页，2009年（IEEE:佐治亚州亚特兰大）。
[29] Mettenheim，H.和Breitner，M.，用神经网络预测流动资产的每日高点和低点。在2012年运筹学论文集第253-258页，2012年（施普林格：莱布尼茨）。
[30] Ou，P.和Wang，H.，用十种数据挖掘技术预测股市指数走势。国防部。申请。科学。, 2009, 3, 28-42. ·Zbl 1181.91349号 ·doi:10.5539/mas.v3n12p28
[31] R核心团队，R： 统计计算语言与环境（R统计计算基金会：维也纳）。
[32] F.K.赖利和K.C.布朗。，投资组合的投资和管理分析2012年（西南森基学习：俄亥俄州梅森）。
[33] Saad，E.W.，Prokhorov，D.V.和Wunsch，D.C.，使用时间延迟、递归和概率神经网络进行股票趋势预测的比较研究。IEEE传输。神经网络。, 1998, 9, 1456-1470. ·数字对象标识代码：10.1109/72.728395
[34] 夏普，W.F.，夏普比率。J.波特。管理。, 1994, 21, 49-58. ·doi:10.3905/jpm.1994.409501
[35] Sortino，F.A.和Price，Negal，《下行风险框架下的业绩衡量》。J.投资。, 1994, 3, 59-64. ·doi:10.3905/joi.3.3.59
[36] Subha，M.和Nambi，S.，使用k-最近邻（k-NN）算法对股票指数运动进行分类。WSEAS变速器。通知。科学。申请。, 2012, 9, 261-270.
[37] Tay，F.E.H.和Cao，L.，支持向量机在金融时间序列预测中的应用。欧米茄, 2001, 29, 309-317. ·doi:10.1016/S0305-0483（01）00026-3
[38] Tsai，C.F.和Xiao，Y.C.，结合多种特征选择方法进行股票预测：联合、交叉和多交叉方法。Decis公司。辅助系统。, 2010, 50, 258-269. ·doi:10.1016/j.dss.2010.08.028
[39] Vanstone，B.和Finnie，G.，《使用人工神经网络开发股票市场交易系统的一种实用方法》。专家系统。申请。, 2009, 36, 6668-6680. ·doi:10.1016/j.eswa.2008.08.019
[40] Yao，J.和Tan，C.L.，使用神经网络进行外汇技术预测的案例研究。神经计算，2000年，第3479-98页·Zbl 1009.68837号 ·doi:10.1016/S0925-2312（00）00300-3
[41] Yu，L.，Wang，S.和Lai，K.K.，使用基于遗传算法的支持向量机挖掘股市趋势。莱克特。注释计算。科学。, 2005, 3828, 336-345. ·doi:10.1007/11600930_33
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。