摘要: 内容提要:中国股指期货的推出指日可待,交易者多了一种投资工具的同时也带来了新的风险。建立准确的金融时间序列预测模型是逐利及避险的方法之一,一直是学者专家研究的热点。本研究结合小波转换与支持向量回归,提出一个二阶段时间序列预测模型。先以离散小波框架将预测变量分解成不同尺度的多个子序列,揭示隐藏在预测变量内的信息,再以支持向量回归为工具,以这些子序列为预测变量建构SVR模型。本研究以日经225指数开盘价为预测目标,以期货开盘价为预测变量对模型进行实证研究,结果显示,该模型的预测绩效比单纯SVR模型及随机漫步模型好。未来可尝试以不同的基底函数作进一步研究。
戴稳胜, 吕奇杰, 徐曼文. 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 [J]. 统计研究, 2008, 25(2): 78-82.
Dai Wensheng Lv Qijie Xu Manwen. Demystifying the Stock Price Information Hidden in Stock Index Futures ——Application of Wavelet Frame and Support Vector Regression [J]. Statistical Research, 2008, 25(2): 78-82.