基于 ARIMA-LSTM 混合模型的股票价格相关系数预测
计算工程、金融与科学
2018-10-02 v5 机器学习
投资组合管理
摘要
预测未来时段内两种资产的价相关系数对投资组合优化十分重要。我们应用 LSTM 循环神经网络（RNN）预测两只个股的股票价格相关系数。RNN 擅长理解时间依赖关系。LSTM 单元的使用进一步增强了其长期预测特性。为使模型兼顾线性和非线性，我们还采用了 ARIMA 模型。ARIMA 模型滤除数据中的线性趋势，并将残差传递给 LSTM 模型。我们将 ARIMA-LSTM 混合模型与其他传统预测金融模型（如全历史模型、常数相关模型、单指数模型和多组模型）进行对比测试。在我们的实证研究中，ARIMA-LSTM 模型的预测能力显著优于所有其他金融模型。我们的工作表明，在投资组合优化中预测相关系数时，值得考虑 ARIMA-LSTM 模型。
引用
@article{arxiv.1808.01560,
title = {Stock Price Correlation Coefficient Prediction with ARIMA-LSTM Hybrid Model},
author = {Hyeong Kyu Choi},
journal= {arXiv preprint arXiv:1808.01560},
year = {2018}
}
备注
I'd appreciate any kind of comments on my work. Feel free to email me!