离散小波变换预测股票指数：对全国证券交易所五十指数的研究
摘要：使用分解模型已被发现可以改善预测模型的准确性。本文提出了一种混合方法，将分解模型（即最大重叠离散小波变换（MODWT））和机器学习模型（ANN和SVR）的优点结合起来，用于预测国家证券交易所五十指数。在第一阶段，使用MODWT将数据分解为较少数量的子序列。在下一个阶段，使用机器学习模型（即ANN和SVR）预测每个子序列。预测的子序列被聚合以获得最终的预测。在最后阶段，使用误差度量和统计检验评估了所提出方法的有效性。将所提出的方法（MODWT-ANN和MODWT-SVR）与ANN和SVR模型进行比较，发现基于MODWT-SVR模型预测值的交易规则获得的投资回报高于持有策略。
作者：Dhanya Jothimani, Ravi Shankar, Surendra S. Yadav
论文ID：1605.07278
分类：Statistical Finance
分类简称：q-fin.ST
提交时间：2016-05-25