基于Adaboost和正则化ELM的混合金融时间序列预测模型及其应用

作者：陈艳; 石智慧

来源：数理统计与管理, 2017, (01): 113-125.

DOI：10.13860/j.cnki.sltj.20160515-006

• 小波分析
• 变量选择
• 正则化ELM
• Adaboost
• 强预测器 MODWT
• variable selection
• regularized ELM
• Adaboost
• strong predictor

为提高金融时间序列的预测精度,本文提出了基于MODWT、MCP变量选择方法和RELM_Adaboost的混合预测模型。该模型由三步构成:第一步,收集特征变量,包括MODWT分解得到的特征变量以及常用的技术指标;第二步,利用MCP惩罚方法从上述特征变量中选取重要的作为输入变量;第三步,利用Mnet惩罚正则化ELM,将RELM视作弱预测器,然后用Adaboost算法生成强预测器进行预测。实证结果显示:第一,经过MCP方法的筛选,最终的输入变量中不仅包含常用技术指标,还有小波分解所得的变量。第二,混合预测模型RELM_Adaboost有良好的泛化误差表现。本文提出的模型在量化交易时代具有良好的应用前...

• 出版日期2017
• 单位上海财经大学