基于数据驱动的金融模型设计与优化方法研究

苑 帅
中信建投证券股份有限公司

摘要


针对金融市场时序数据复杂性与传统模型在可解释性与预测性之间难以兼顾的问题，本研究构建了以多
源数据预处理、主成分分析与自编码器相结合的特征工程流程，并基于广义线性模型（GLM）与长短期记忆网络
（LSTM）的嵌套式混合结构，辅以改进粒子群优化与贝叶斯优化的复合超参数搜索策略，实验证明该方法在预测精
度、风险调整收益及模型鲁棒性方面均获得显著提升。

关键词


贝叶斯优化；多源数据预处理；广义线性模型；改进粒子群优化

全文:

PDF


参考


[1]李杰，郑龙哲，黄嘉荣，等.基于多源异构数

据的涉众型金融风险监测识别研究[J].金融科技时代，

2023，31（03）：20-23+29.

[2]陈婷婷，赵世忠.考虑模糊时间序列的高维大数

据挖掘方法研究[J].计算机仿真，2023，40（03）：467-

470+475.

[3]杨语蒙，李兴东.基于GA-LSTM组合模型的股

票价格预测[J].现代计算机，2021，27（33）：1-7.

[4]武猛，赵泽宁，王才进，等.基于贝叶斯-粒子群

优化算法的污染场地隔离墙阻隔效果CPTU原位评价方法

[J].岩石力学与工程学报，2023，42（02）：483-496.

[5]刘宗兴.基于布林通道的量化投资策略研究——

以我国多品种商品期货为例[J].时代金融，2020，（36）：

91-93+105.


Refbacks

  • 当前没有refback。