论文部分内容阅读
本文采用数据挖掘技术中的合奏原理把决策树、神经网络和logistic回归模型的判断结果综合起来,结合经济学理论中的量价交易和行为金融学理论,构建合理的股票交易策略。对上证指数的实证分析表明,这样构建的交易策略效果优于基于单个模型的策略。这表明数据挖掘方法模拟巴菲特的时机选择是可行的。
本文的主要创新之处在于,本文运用数据挖掘方法中的决策树、神经网络和logistic回归模型对上证指数进行动态趋势判断,给出了和巴菲特的交易时机选择思想相吻合的模型合奏策略,实证分析验证了这一策略的可盈利性。另外,本文不同于以往研究人员使用历史数据检验模型的方法,对模型好坏使用下一交易日的实际走势和模型预测进行比较得出评价。使用这种方法的结论可以很好解释为什么传统方法建立的单个模型虽然在建模时表现良好,但很少能在实用中有好的表现。
本文的主要创新之处在于,本文运用数据挖掘方法中的决策树、神经网络和logistic回归模型对上证指数进行动态趋势判断,给出了和巴菲特的交易时机选择思想相吻合的模型合奏策略,实证分析验证了这一策略的可盈利性。另外,本文不同于以往研究人员使用历史数据检验模型的方法,对模型好坏使用下一交易日的实际走势和模型预测进行比较得出评价。使用这种方法的结论可以很好解释为什么传统方法建立的单个模型虽然在建模时表现良好,但很少能在实用中有好的表现。