基于长短期记忆网络预测的单变量股价信号的置信区间构造
机器学习
2020-07-02 v1 机器学习
统计金融
摘要
本文给出了一种基于单变量 LSTM 模型估计信号的 bootstrap 置信区间的创新构造方法。我们针对依赖情形采用了三种不同的 bootstrap 方法。在样本 bootstrap 过程中，我们给出了选取最优块长度的一些有用建议。我们还提出了一个基准，用于比较通过不同 bootstrap 策略得到的置信区间。我们通过一些股价数据集展示了实验结果。
引用
@article{arxiv.2007.00254,
title = {Construction of confidence interval for a univariate stock price signal predicted through Long Short Term Memory Network},
author = {Shankhyajyoti De and Arabin Kumar Dey and Deepak Gauda},
journal= {arXiv preprint arXiv:2007.00254},
year = {2020}
}
备注
14 pages, 11 figures