×

预测标准普尔500指数泡沫的两步机器学习方法。 (英语) Zbl 1521.62258号

摘要:在本文中,我们有兴趣使用两步机器学习方法预测标准普尔500指数股市中的泡沫,该方法采用实时泡沫检测测试和支持向量机(SVM)。支持向量机(SVM)作为一种非参数二值分类技术,在金融时间序列预测中已经得到广泛应用。在文献中,泡沫通常被定义为资产价格超过其基本价值的情况。作为预警信号之一,泡沫预测对于政策制定者和监管者至关重要,他们有责任对未来危机采取先发制人的措施。因此,人们已经进行了许多尝试来理解泡沫形成的主要因素,并在其早期阶段对其进行预测。我们的分析包括两个步骤。第一步是使用公认的右尾单位根检验来识别标准普尔500指数中的泡沫。然后,利用支持向量机对宏观经济指标进行泡沫预测。此外,我们通过使用(k)-折叠交叉验证将SVM与不同的监督学习算法进行了比较。实验结果表明,所提出的方法具有较高的预测能力,可以作为气泡预测的一种较好的替代方法。

MSC公司:

62-XX年 统计
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] 阿斯蒂尔,S。;哈维,D.I。;莱伯恩,S.J。;Taylor,A.R.,《金融时间序列中样本泡沫终结的测试》,《经济评论》。版本:36,651-666(2017)·Zbl 1524.62507号 ·doi:10.1080/07474938.2017.1307490
[2] Zbikowski,K.,使用具有向前走测试和特征选择的量加权支持向量机来创建股票交易策略,Expert。系统。申请。,42, 1797-1805 (2015) ·doi:10.1016/j.eswa.2014.10.001
[3] Boser,B.E.,Guyon,I.M.和Vapnik,V.N.,最佳边缘分类器的训练算法,载于《第五届计算学习理论年度研讨会论文集》,美国计算机学会,1992年,第144-152页。
[4] 布雷曼,L。;弗里德曼,J。;斯通,C.J。;Olshen,R.A.,《分类和回归树》(1984),加利福尼亚州贝尔蒙特市沃兹沃斯·Zbl 0541.62042号
[5] 陈,Y。;Hao,Y.,用于股市指数预测的特征加权支持向量机和k-最近邻算法,专家。系统。申请。,80, 340-355 (2017) ·doi:10.1016/j.eswa.2017.02.044
[6] Chong,E。;Han,C。;Park,F.C.,《股票市场分析和预测的深度学习网络:方法、数据表示和案例研究》,专家。系统。申请。,83, 187-205 (2017) ·doi:10.1016/j.eswa.2017.04.030
[7] 美国Dellepiane。;Di Marcantonio,M。;拉吉,E。;Renzi,S.,《在最近的金融危机中使用支持向量机和特征选择进行破产预测》,《国际经济杂志》。财务。,7, 182-195 (2015) ·doi:10.5539/ijef.v7n8p182
[8] Dimitriadou,E.,Hornik,K.,Leisch,F.,Meyer,D.,Weingessel,A.,和Leish,M.F.,包装“e1071”。R软件包。2009年。网址:http://cran.rproject.org/web/packages/e1071/index.html。
[9] Gilles,C.和LeRoy,S.F.,《资产价格泡沫》,《新帕尔格雷夫货币与金融词典》,《麦克米伦参考》,伦敦,1992年,第573-577页。
[10] 哈维,D.I。;莱伯恩,S.J。;Sollis,R。;Taylor,A.M.R.,《非平稳波动下爆炸性金融泡沫的测试》,《实证金融杂志》。,38, 548-574 (2016) ·doi:10.1016/j.jempfin.2015.09.002
[11] 哈斯蒂,T。;Tibshirani,R。;Friedman,J.,《统计学习的要素:数据挖掘推断和预测》(The Elements of Statistical Learning:Data Mining Inference and Prediction)(2009年),施普林格科学与商业媒体:施普林格科技与商业媒体,纽约·Zbl 1273.62005年
[12] 亨里克,B.M。;Sobreiro,V.A。;Kimura,H.,《使用支持向量回归对每日和最新价格进行股票价格预测》,J.Financ。数据科学。,4, 183-201 (2018) ·doi:10.1016/j.jfds.2018.04.003
[13] 黄,W。;Y.Nakamori。;王世勇,用支持向量机预测股市走势,计算机。操作。决议,32,2513-2522(2005)·Zbl 1068.90077号 ·doi:10.1016/j.cor.2004.03.016
[14] Hosmer Jr,D.W。;莱梅肖,S。;Sturdivant,R.X.,《应用逻辑回归》,398(2013),John Wiley&Sons:John Willey&Sons,纽约·Zbl 1276.62050号
[15] 卡拉,Y。;博亚西奥格鲁,硕士。;Baykan,K.,《使用人工神经网络和支持向量机预测股价指数走势:伊斯坦布尔证券交易所样本》,专家。系统。申请。,38, 5311-5319 (2011) ·doi:10.1016/j.eswa.2010.10.027
[16] Kim,K.J.,使用支持向量机进行金融时间序列预测,神经计算,55,307-319(2003)·doi:10.1016/S0925-2312(03)00372-2
[17] Kuhn,M.,使用插入符号包在R中构建预测模型,J.Stat.Softw。,28, 1-26 (2008) ·doi:10.18637/jss.v028.i05
[18] Kumar,M.P.、Zisserman,A.和Torr,P.H.,基于部件的模型的有效区分学习,IEEE第十二届计算机视觉国际会议,2009年,第552-559页。
[19] 兰迪斯,J.R。;Koch,G.G.,《类别数据的观察者一致性测量》,生物计量学,33,159-174(1977)·Zbl 0351.62039号 ·doi:10.2307/2529310
[20] Lee,M.C.,使用支持向量机和混合特征选择方法进行股票趋势预测,专家。系统。申请。,36, 10896-10904 (2009) ·doi:10.1016/j.eswa.2009.02.038
[21] Lee,T.K。;Cho,J.H。;Kwon,D.S。;Sohn,S.Y.,《基于使用机器学习技术的金融网络指标的全球股市投资策略》,专家。系统。申请。,117, 228-242 (2019) ·doi:10.1016/j.eswa.2018.09.005
[22] Lin,W.Y。;胡永华。;蔡,C.F.,《金融危机预测中的机器学习:一项调查》,IEEE Trans。系统。《人类控制论》,第C部分(应用修订版),42,421-436(2012)·doi:10.1109/TSMCC.2011.2170420
[23] 罗,L。;陈欣,集成分段线性表示和加权支持向量机的股票交易信号预测,应用。柔软。计算。,13, 806-816 (2013) ·doi:10.1016/j.asoc.2012.10.026
[24] 马科维,I。;Stojanovi,M。;斯坦科维,J。;Stankovi,M.,使用AHP和加权核LS-SVM进行股市趋势预测,Soft。计算。,21, 5387-5398 (2017) ·doi:10.1007/s00500-016-2123-0
[25] Min,J.H。;Lee,Y.C.,利用支持向量机进行破产预测,核函数参数的最优选择,专家系统。申请。,28, 603-614 (2005) ·doi:10.1016/j.eswa.2004.12.008
[26] 最小S.H。;Lee,J。;Han,I.,破产预测的混合遗传算法和支持向量机,专家系统。申请。,31, 652-660 (2006) ·doi:10.1016/j.eswa.2005.09.070
[27] Mukherjee,S.、Osuna,E.和Girosi,F.,使用支持向量机对混沌时间序列进行非线性预测,收录于《信号处理神经网络VII》,1997年IEEE信号处理学会研讨会论文集,IEEE,1997年,第511-520页。
[28] Okasha,M.K.,《在金融时间序列预测中使用支持向量机》,《国际统计应用》。,4, 28-39 (2004)
[29] Phillips,P.C.B.和Shi,S.,《资产市场的实时监测:泡沫和危机》,载于《统计手册》,爱思唯尔,2019年。
[30] 菲利普斯,P.C.B。;施,S。;Yu,J.,《多重泡沫的测试:标准普尔500指数繁荣与崩溃的历史插曲》,《国际经济》。版次(费城),561043-1078(2015)·Zbl 1404.62111号 ·doi:10.1111/iere.12132
[31] 菲利普斯,P.C.B。;施,S。;Yu,J.,《多气泡测试:实时探测器的极限理论》,《国际经济》。Rev.(费城),56,1079-1134(2015)·Zbl 1404.62112号 ·doi:10.1111/iere.12131
[32] 邱,M。;Song,Y.,使用优化的人工神经网络模型预测股市指数走势,PLoS One,11,e0155133(2016)·doi:10.1371/journal.pone.0155133
[33] 罗卡奇,L。;Maimon,O.Z.,《使用决策树进行数据挖掘:理论和应用》,69(2008),《世界科学:世界科学》,新加坡·Zbl 1154.68098号
[34] Ryll,L.和Seidens,S.,《评估机器学习算法在金融市场预测中的性能:综合调查》。可从arXiv:1906.07786v2获取。
[35] R.J.希勒,R.J.席勒主页。可在http://www.econ.yale.edu/shiller/data.htm
[36] Shin,K.S。;Lee,T.S。;Lee,H.J.,支持向量机在破产预测模型中的应用,专家系统。申请。,28, 127-135 (2005) ·doi:10.1016/j.eswa.2004.08.009
[37] Y.Shynkevich。;McGinnity,T.M。;科尔曼,S.A。;Belatreche,A。;Li,Y.,《使用技术指标预测价格变动:调查不同输入窗口长度的影响》,神经计算,26471-88(2017)·doi:10.1016/j.neucom.2016.11.095
[38] 泰,F.E。;Cao,L.,支持向量机在金融时间序列预测中的应用,Omega,29,309-317(2001)·doi:10.1016/S0305-0483(01)00026-3
[39] Tang,H.H。;Zhang,L.S。;Wang,H.,使用优化的神经网络和谷歌趋势预测股市方向,神经计算,285188-195(2018)·doi:10.1016/j.neucom.2018.01.038
[40] Thirumuruganathan,S.,《K-最近邻(KNN)算法详细介绍》(2010)。https://saravananthirumganathan.wordpress.com/2010/05/17/a-detailed-introduction-to-k-nearest-neighbor-knnalgorithm/。
[41] Vapnik,V.N.,《统计学习理论的本质》(1995),Springer科学与商业媒体:Springer科技与商业媒体,纽约·Zbl 0833.62008号
[42] 瓦普尼克,V.N。;Lerner,A.J.,模式识别的广义纵向方法,Autom。遥控器,24774-780(1963)
[43] Wang,Y.和Choi,I.C.,《使用机器学习技术进行市场指数和股票价格方向预测:对KOSPI和HSI的实证研究》,预印本(2013年)。可从arXiv:1309.7119获取。
[44] 尤尔库,美国。;Aladag,C.H。;Egrioglu,E。;Uslu,V.R.,《使用新型模糊时间序列方法进行时间序列预测:伊斯坦布尔股市的一个例子》,J.Stat.Compute。模拟。,83, 599-612 (2013) ·Zbl 1431.62486号 ·数字对象标识代码:10.1080/00949655.2011.630000
[45] 张,X.-d。;李,A。;Pan,R.,基于新状态盒方法和AdaBoost概率支持向量机的股票趋势预测,Appl。柔软。计算。,49, 385-398 (2016) ·doi:10.1016/j.asoc.2016.08.026
[46] Zurada,J.M.,《人工神经系统导论》,8(1992),西部出版公司:西部出版公司,圣保罗
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配,并且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。