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