谢承燕;方宏彬;郭梦洁;杨梦卓;

• 1:安徽大学经济学院
•  

摘要(Abstract)：

针对多变量预测股指开盘价问题,为了提高预测精度,提出一种基于倒置误差的GXS组合模型,对沪深300指数每日开盘价进行回归预测。运用网格搜索(GridSearchCV)算法和10折交叉验证法,对极度梯度提升树(XGBoost)模型与基于径向基RBF核函数的支持向量回归(SVR)模型进行参数优化,取修正的预测误差进行误差倒数法赋权,搭建GXS组合模型。实证结果表明,基于修正误差MAE赋权的GXS组合模型对沪深300指数开盘价预测效果最优。

关键词(KeyWords)： 沪深300指数;XGBoost模型;SVR模型;误差倒数法;回归预测

基金项目(Foundation): 国家社科基金资助项目“基于马克思劳动生产力理论的技术进步测度方法研究”(19BJL004)

作者(Author): 谢承燕;方宏彬;郭梦洁;杨梦卓;

Email:

DOI: 10.19473/j.cnki.1008-4940.2020.06.004

参考文献(References)：

• [1]THAKUR M,KUMAR D.A hybrid financial trading support system using multi-category classifier and random forset[J].Applied Soft Computing,2018,67(1):337-349.
• [2]KRAUSS C,DO X A,HUCK N.Deep neural networks,gradient-boosted trees,random forests:statistical arbitrage on the S&P 500[J].European Journal of Operational Research,2017,259(2):689-702.
• [3]谢琪,程耕国,徐旭.基于神经网络集成学习股票预测模型的研究[J].计算机工程与应用,2019,55(8):238-243.
• [4]黄卿,谢合亮.机器学习方法在股指期货预测中的应用研究——基于BP神经网络、SVM和XGBoost的比较分析[J].数学的实践与认识,2018,48(8):297-307.
• [5]王芊.基于机器学习算法的股票收益率方向预测及分析[D].合肥:中国科学技术大学,2019.
• [6]王燕,郭元凯.改进的XGBoost模型在股票预测中的应用[J].计算机工程与应用,2019,55(20):202-207.
• [7]王芳.基于支持向量机的沪深300指数回归预测[D].济南:山东大学,2015.
• [8]郑明,李娌芝,官心果,等.基于模糊信息粒化和支持向量机的股票价格回归预测[J].云南民族大学学报(自然科学版),2018,27(6):517-524.
• [9]赛英,张凤廷,张涛.基于支持向量机的中国股指期货回归预测研究[J].中国管理科学,2013,21(3):35-39.
• [10]魏勤,张宇霖.基于SVM神经网络的沪深300股指期货的实证研究[J].产业与科技论坛,2012,10(11):123-126.
• [11]VAPNIK V.统计学习理论的本质[M].张学工,译.北京:清华大学出版社,2000.
• ①数据来源:聚宽平台https://www.joinquant.com/default/research/index?target=self&url=/default/research.