基于ARIMA-LSTM混合模型的基金净值预测
统计金融
2021-12-01 v1
摘要
基金净值受业绩与市场影响，研究者试图通过建立不同模型来量化这些影响以预测未来净值。当前的预测模型通常只能反映线性变化规律，对非线性特征处理较差或选择性忽略，因此预测结果通常精度较低。本文采用一种基于ARIMA-LSTM混合模型的基金预测方法。在对历史数据进行预处理后，首先用ARIMA模型滤出线性数据特征，再将数据传入LSTM模型通过残差提取非线性特征，最后将两模型各自的预测值叠加得到混合模型的预测结果。实证表明，本文方法比传统基金预测方法更准确且更具适用性。
引用
@article{arxiv.2111.15355,
title = {Prediction of Fund Net Value Based on ARIMA-LSTM Hybrid Model},
author = {Peng Zhou and Fangyi Li},
journal= {arXiv preprint arXiv:2111.15355},
year = {2021}
}