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

被引：41

作者：

黄卿 ^{[1
]}

谢合亮 ^{[2
]}

机构：

[1] 北京语言大学商学院

[2] 中央财经大学统计与数学学院

来源：

数学的实践与认识 | 2018年 / 48卷 / 08期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

神经网络; 支持向量机; XGBoost; 高频数据;

D O I：

暂无

中图分类号：

F832.51 []; TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

机器学习在人工智能领域取得了巨大的成就,在学界和业界都掀起了机器学习的热潮.针对股指期货交易速度快、交易频率高和交易量巨大且交易数据具有高纬、时序的特征,构建了新的股指期货量化投资模型,采用沪深300股指期货1分钟高频数据作为研究对象.并对比分析了神经网络、支持向量机和XGBoost对股指期货下1分钟价格的变动方向的预测能力.研究结果表明,三种机器学习方法都具有较好的预测能力,但XGBoost的预测能力要优于传统的神经网络和支持向量机.

引用

页码：297 / 307

页数：11

共 16 条

[1] 股指期货交易会降低股市跳跃风险吗?
陈海强
张传海
[J]. 经济研究, 2015, 50 (01) : 153 - 167
[2] 沪深300股指期货的风险测度模型研究
王鹏
魏宇
王鸿
[J]. 数理统计与管理, 2014, 33 (04) : 724 - 733
[3] 基于网络舆情支持向量机的股票价格预测研究
张世军
程国胜
蔡吉花
杨建伟
[J]. 数学的实践与认识, 2013, 43 (24) : 33 - 40
[4] 基于支持向量机的中国股指期货回归预测研究
赛英
张凤廷
张涛
[J]. 中国管理科学, 2013, 21 (03) : 35 - 39
[5] 沪深300股指期货日内避险模型及效率研究
魏宇
赖晓东
余江
[J]. 管理科学学报, 2013, 16 (03) : 29 - 40
[6] 基于EMD与神经网络的中国股票市场预测
王文波
费浦生
羿旭明
[J]. 系统工程理论与实践, 2010, 30 (06) : 1027 - 1033
[7] 股指期货信息内含股价变动信息的挖掘——小波框架与支持向量回归的金融建模应用
戴稳胜
吕奇杰
徐曼文
[J]. 统计研究, 2008, (02) : 78 - 83
[8] Intraday jumps and US macroeconomic news announcements[J] . Kevin P. Evans.Journal of Banking and Finance . 2011
[9] Short term forecasting with support vector machines and application to stock price prediction
Ince, Huseyin
Trafalis, Theodore B.
[J]. INTERNATIONAL JOURNAL OF GENERAL SYSTEMS, 2008, 37 (06) : 677 - 687
[10] Power arch modelling of the volatility of emerging equity markets[J] . Robert Brooks.Emerging Markets Review . 2007 (2)

← 1 2 →