原文服务方: 太原理工大学学报       
摘要:
将处理高维数变量选择问题的 Adaptive Lasso 运用于指数跟踪问题,利用 LQA 算法,实现 Adaptive Lasso 的求解,为构建股票投资组合跟踪指数提供了一种新的方法.实证部分表明:利用此方法构建股票组合来跟踪沪深 300 指数能够获得很小的跟踪误差,预测能力十分可观,且计算时间极短,说明了该方法在指数跟踪中的实用性.
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
基于变维分形的股票指数预测模型
分形
变维分形
分维数
预测
股票指数
变换
模型
应用
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Adaptive Lasso的股票指数跟踪问题研究
来源期刊 太原理工大学学报 学科
关键词 Adaptive Lasso 指数跟踪 沪深 300 指数
年,卷(期) 2020,(1) 所属期刊栏目 信息工程
研究方向 页码范围 131-135
页数 5页 分类号 F831
字数 语种 中文
DOI 10.16355/j.cnki.issn1007-9432tyut.2020.01.018
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 侯红卫 太原理工大学数学学院 6 16 1.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (28)
共引文献  (17)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(1)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(2)
  • 参考文献(2)
  • 二级参考文献(0)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(1)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
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)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
Adaptive Lasso
指数跟踪
沪深 300 指数
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
太原理工大学学报
双月刊
1007-9432
14-1220/N
大16开
太原市迎泽西大街79号3337信箱
1957-01-01
汉语
出版文献量(篇)
4103
总下载数(次)
0
总被引数(次)
28999
论文1v1指导