首页|基于ARIAM-GARCH深度学习的股价预测与决策

基于ARIAM-GARCH深度学习的股价预测与决策

扫码查看
原文链接
  • 万方数据
  • 维普
对于绝大多数股民而言,大盘股具有投入成本高、损失大、资金流转慢等特性,为使得股民减少损失,提高收益,通过针对于中小企业股,采用两阶段的方法对股价进行了预测,给出了一种最优投资组合决策方法.第一阶段先用ARIMA-GARCH模型进行建模,提取每日收益率的波动率,再将波动率加入到原有数据集中,构建CNN-BiLSTM-AT深度神经网络模型进行预测,最后使用XGBoost算法对预测值进行修正.第二阶段在给定投资者的期望收益率的条件下,用Bayes方法进行投资组合,获取最优投资决策.实证研究表明,此方法对于选取的10只中小企业股有着较好的研究结果.
Stock Price Prediction and Decision Based on ARIAM-GARCH Deep Learning

stock predictionARIMA-GARCH modelCNN-BiLSTM-ATXGBoost algorithmBayes Method

刘祺、施三支、娄磊、刘璐

展开 >

长春理工大学 数学与统计学院,长春 130022

东北证券股份有限公司长春生态大街营业部,长春 130022

长春市绿园区春城街道办事处,长春 130022

股价预测 ARIMA-GARCH模型 CNN-BiLSTM-AT XGBoost算法 Bayes方法

国家自然科学基金吉林省教育厅项目

11601039JJKH20210809KJ

2024

长春理工大学学报(自然科学版)
长春理工大学

长春理工大学学报(自然科学版)

CSTPCD
影响因子：0.432
ISSN：1672-9870
年,卷(期)：2024.47(1)
  • 20