论文部分内容阅读
近年来,证券市场预测研究热度一直不减,提高预测精度是学者们探究的目标。文献中提高预测精度的方法主要集中在预测模型改进和输入数据的特征提取两个方面。预测模型的改进集中于不同模型的组合以降低单个预测模型带来的误差,虽然取得了较好的进展,但现有神经网络等预测模型对输入数据依赖性很大,输入数据是否包含噪声、是否具有典型性会对预测效果产生影响。现有的证券预测中的特征提取方法多为信号处理或简单的降维分析,缺少明确的经济意义。因此,如何从金融学视角提取出具有经济意义的特征变量,并验证特征提取在证券市场短期预测中的