具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势

胡雪梅, 蒋慧凤

系统科学与数学 ›› 2021, Vol. 41 ›› Issue (3) : 802-823.

PDF(1448 KB)
PDF(1448 KB)
系统科学与数学 ›› 2021, Vol. 41 ›› Issue (3) : 802-823. DOI: 10.12341/jssms19477

具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势

    胡雪梅1,2,3,蒋慧凤1,3
作者信息 +

Logistic Regression Model with Technical Indicators Predicts Ups and Downs For Google Stock Prices

    HU Xuemei1,2,3 ,JIANG Huifeng1,3
Author information +
文章历史 +

摘要

正确预测股价的涨跌趋势会给投资者带来巨大的经济效益. 近年 来人们提出了时序预测、技术分析、基本分析和机器学习等方法来提高股价 趋势的预测精度. 文章主要结合技术指标和逻辑回归模型发展提高股价趋势预测精度的有效方法. 首先, 基于Murphy对金融股市发展的技术分析方法提取一些重要技术指标作为预测变量, 构建刻画股价涨跌趋势的逻辑回归模型; 再利用训练样本和迭代加权最小二乘法得到模型参数估计, 计算股价上涨和下跌的概率估计, 并确定最佳阈值预测股价涨跌趋势; 最后利用检验样本计算混淆矩阵、灵敏度和特异度,绘制ROC (receiver operating characteristic)曲线评价预测精度. 文章采用2010--2017年谷歌股价作为训练样本学习股价涨跌趋势, 建立具有6个技术指标的逻辑回归预测2018年谷歌股价的涨跌趋势, 不仅能得到股价涨跌的概率估计, 而且能提高趋势预测精度和AUC (the Area under the ROC Curve). 预测结果表明具有技术指标的逻辑回归预测方法优于支持向量机、人工 神经网络、Elman神经网络和基于五类统计指标的一阶自回归逻辑模型. 该方法也能预测美国微软等公司的股价涨跌趋势, 给广大投资者带来更加丰厚的经济回报.

关键词

技术分析, 具有技术指标的逻辑回归, 涨跌趋势, 神经网络, 支持向量机.

引用本文

导出引用
胡雪梅, 蒋慧凤. 具有技术指标的逻辑回归模型预测谷歌股票的涨跌趋势. 系统科学与数学, 2021, 41(3): 802-823. https://doi.org/10.12341/jssms19477
HU Xuemei , JIANG Huifeng. Logistic Regression Model with Technical Indicators Predicts Ups and Downs For Google Stock Prices. Journal of Systems Science and Mathematical Sciences, 2021, 41(3): 802-823 https://doi.org/10.12341/jssms19477
PDF(1448 KB)

Accesses

Citation

Detail

段落导航
相关文章

/