论文部分内容阅读
金融技术分析与机器学习领域中广泛应用的K-近邻算法拥有高度一致的基本原理,两者都是根据最相似的历史模式作出预测。该算法主要用于横截面样本数据的拟合与判别,而本文将该算法表示为用于非平稳、非线性时间序列的非参数预测方法,并利用美国纽约证券交易所、纳斯达克证券交易所,以及中国A股市场股价的收盘价数据,检验了该预测模型对于美股个案和总体的模型有效性和盈利性分析,以及在中国A股市场中的预测能力。本文发现该算法虽然不能普遍预测资产价格,但能够发现市场矫正能力不足或者矫正过度的股票并能够产生一定的套利空间。