Indexed by：
Abstract：
股市的剧烈波动会影响金融市场的平稳运行进而影响经济增长,如何对股市的走势进行精准预测一直是学术界关注的焦点问题.由于股指收益率具有非平稳、非线性特征,仅利用历史序列作为影响因素将导致预测精度不佳.考虑到基金仓位变化对股市的信息增益作用及二者数据间存在混频关系,提出一种反向混频数据抽样模型(R-MIDAS)与机器学习算法结合的新模型,应用于27个行业股指收益率的预测及投资决策的研究中.实证结果表明:R-MIDAS-GWO-SVR模型在多数行业的预测效果优于基准模型;基于预测结果开展单一行业与多行业组合的投资策略,R-MIDAS-GWO-SVR模型的表现也更好,其风险调节的绩效指标显著优于其余模型.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
中国管理科学
ISSN： 1003-207X
Year： 2024
Issue： 5
Volume： 32
Page： 73-80,中插11-中插14
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
