• • 上一篇    下一篇

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   

  1. 1. 重庆工商大学数学与统计学院, 重庆 400067; 2.长江上游经济研究中心, 重庆 400067;  3. 经济社 会应用统计重庆市重点实验室,  重庆 400067
  • 出版日期:2021-03-25 发布日期:2021-06-23

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[J]. 系统科学与数学, 2021, 41(3): 802-823.

HU Xuemei , JIANG Huifeng. Logistic Regression Model with Technical Indicators Predicts Ups and Downs For Google Stock Prices[J]. Journal of Systems Science and Mathematical Sciences, 2021, 41(3): 802-823.

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

HU Xuemei1,2,3 ,JIANG Huifeng1,3   

  1. 1. School of Mathematics and Statistics, Chongqing Technology and Business University, Chongqing 400067; 2.  Research Center for Economy of Upper Reaches of the Yangtse River, Chongqing 400067; 3. Chongqing Key Laboratory of Social Economy and Applied Statistics, Chongqing 400067
  • Online:2021-03-25 Published:2021-06-23
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.
()
No related articles found!
阅读次数
全文


摘要