基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
本文将追踪误差定义为股票投资组合收益率与所追踪指数的基准收益率之差,分别在无交易费用和有交易费用的情况下,建立追踪误差极小化的股票指数预测模型.首先采用稀疏主成分分析法对沪深300以及香港恒生的股票进行选择,然后根据所选择的股票样本求解股票指数预测模型.数值实验表明基于稀疏主成分的股票指数追踪模型具有稀疏性、可解释性及较好的样本外追踪误差的优点.
推荐文章
基于集成学习的股票指数预测方法
股指预测
集成学习
模型聚合
机器学习
分类器
指数行情
基于主成分分析的股票指数预测研究
主成分分析
BP神经网络
预测
基于结构修剪神经网络的股票指数预测模型
股票指数预测
预测指标体系
BP算法
贝叶斯分析
网络结构修剪
股票指数收益率分布研究
股指收益率
正态性检验
高斯混合分布
EM算法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于稀疏主成分的股票指数追踪研究?
来源期刊 工程数学学报 学科 数学
关键词 稀疏主成分析法 追踪误差 指数预测模型
年,卷(期) 2013,(2) 所属期刊栏目
研究方向 页码范围 159-168
页数 分类号 F830.591|O29
字数 4901字 语种 中文
DOI 10.3969/j.issn.1005-3085.2013.02.001
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周静 西安交通大学数学与统计学院 28 92 6.0 9.0
2 武忠祥 西安交通大学数学与统计学院 7 37 3.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (34)
参考文献  (8)
节点文献
引证文献  (10)
同被引文献  (9)
二级引证文献  (9)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(6)
  • 参考文献(1)
  • 二级参考文献(5)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(9)
  • 参考文献(5)
  • 二级参考文献(4)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(7)
  • 引证文献(4)
  • 二级引证文献(3)
2018(5)
  • 引证文献(1)
  • 二级引证文献(4)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
稀疏主成分析法
追踪误差
指数预测模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
工程数学学报
双月刊
1005-3085
61-1269/O1
16开
西安市西安交通大学数学与统计学院
1984
chi
出版文献量(篇)
2675
总下载数(次)
4
总被引数(次)
14669
论文1v1指导