分类 | 方法/模型 | 研究内容 | 作者 |
基于传统的非机器学习的股市预测方法 | 向量自回归(VAR)模型 误差修正模型(ECM) 卡尔曼滤波模型(KFM) | 利用三种模型对英国股市的长期变化进行预测 | Chulho Jung等人 |
GARCH模型 QGARCH模型 GJR模型 | 研究三种模型对金融时间序列数据(中国股市)波动的预测能力和模型间相互对比 | 魏巍贤 周晓明 | |
马尔科夫预测模型 | 利用马尔科夫预测法对沪股东北高速收盘价进行分析,预测股价变动 | 李海涛 | |
“红三兵”、“牛市鲸吞线”量化策略 | 基于蜡烛图进行量化交易并制定量化策略 | 吴泽兵 | |
蜡烛图分析方法 | 对我国创业板个股进行回溯,追求较优的平均收益率、盈亏比与胜率。 | 杜兵 | |
基于深度学习模型的股市趋势预测方法 | 多层感知器 CNN 长短记忆时间递归神经网络 RNN | 利用多层感知器、CNN、长短记忆时间递归神经网络以及RNN预测标准普尔500指数的趋势 | Luca Di Persio等人 |
标准交叉验证 顺序验证 单次验证方法 | 通过三种方法的比较,发现利用近期信息可以使预测精度大幅提高。 | Yang Jiao | |
MLP与CNN算法 | 使用MLP与CNN算法对数据库中IBM股票信息的进行预测 | Gozde Sismanoglu等人 | |
ANN + Tree boosting | 说明投资者如何使用多算法深层叠加预测股票收益的横截面,同时模拟过度拟合的风险。 | Keywan等人 | |
深度学习算法 | 输入来自历史股票的交易数据和社交媒体 信息,通过有效分析金融新闻和用户情绪 预测股票市场动向。 | X. Zhang等人 |