高频金融时间序列预测 ——基于自适应过滤法改进的ARIMA模型
本文通过自适应过滤法优化ARIMA模型中前p期历史数据及前q期预测误差前的系数,并利用优化后的模型对以沪深300指数对数收益率及个股三一重工的收盘价为代表的5分钟高频金融时间序列进行预测.研究表明,自适应过滤法可以显著提升ARIMA模型对于高频金融时间序列的预测精度,均方误差(MSE)分别减少约6.51%、33.33%,均方根误差(RMSE)减少约18.36%、33.51%,平均绝对误差(MAE)减少约5.97%、20.94%.
高频金融数据、ARIMA、自适应过滤法
37
F832.5(金融、银行)
国家自然科学基金青年项目"非平稳高频金融数据的大样本性质及应用";教育部人文社会科学研究青年基金"非平稳高频金融时间序列的统计推断及实证研究"
2021-04-27(万方平台首次上网日期,不代表论文的发表时间)
共5页
82-86