股市预测中多种复杂数据的聚合：一个

公司感谢国家重点研究开发项目（编号2016QY01W0205）。8.参考参考文献Sebischer，N.J.，Robertson，P.A.，Kenward，R.E.，1993年。从动物无线电跟踪数据对栖息地使用的成分分析。生态学74（5），1313–1325。Aitchison，J.，1986年。成分数据的统计分析。斯普林格，查普曼和霍尔，伦敦。Baralis，E.、Cagliero，L.、Cerquitelli，T.、Garza，P.、Pulvirenti，F.，2017年。发现可用于日内交易的股票。信息科学40591–106。宾厄姆，R.L.，布伦南，L.A.，巴拉德，B.M.，2007年。误分类资源选择：成分分析和未利用栖息地。野生动物管理杂志71（4），1369–1374。Buccianti，A.、Tassi，F.、Vaselli，O.，2006年。意大利瓦卡诺岛喷气式气田的成分变化：一项统计案例研究。伦敦地质学会，特别出版物264（1），67–77。Cai，T.T.，Hall，P.，等人，2006年。函数线性回归中的预测。《统计年鉴》34（5），2159–2179。Chang，S-C.，Chen，S-S.，Chou，R.K.，Lin，Y-H.，2008年。股票收益率和交易活动的天气和日内模式。《银行与金融杂志》32（9），1754-1766年。Chayes，F.，1960年。关于常和变量之间的相关性。地球物理研究杂志65（12），4185–4193。Chen，M-Y.，Chen，B-T.，2015年。基于粒度计算的混合模糊时间序列模型用于股价预测。信息科学294227–241。Chen，N-F.，Roll，R.，Ross，S.A.，1986年。经济力量和股市。《商业杂志》，383–403。Comte，F.、Johannes，J.等人，2012年。自适应函数线性回归。《统计年鉴》40（6），2765–2797。段，J.，刘，H.，曾，J.，2013。基于分析推荐行为的股票收益预测后验概率模型。

基于知识的系统50，151–158。Efendi，R.，Arbaiy，N.，Deris，M.M.，2018年。基于模糊随机自回归时间序列模型的股市预测新方法。信息科学441113–132。Egozcue，J.J.，Pawlowsky Glahn，V.，Mateu Figueras，G.，Barcelo Vidal，C.，2003年。用于成分数据分析的等距对数比变换。数学地质学35（3），279–300。Escabias，M.，Aguilera，A.M.，Valderrama，M.J.，2004年。函数逻辑回归的主成分估计：两种不同方法的讨论。非参数统计杂志16（3-4），365–384。Fan，Y.、James，G.M.、Radchenko，P.等人，2015年。函数加性回归。《统计年鉴》43（5），2296–2325。费拉蒂，F.，维尤，P.，2006年。非参数函数数据分析：理论与实践。斯普林格，纽约。Foster，F.D.，Viswanathan，S.，1993年。交易量、回报波动性和交易成本的变化：最近价格形成模型的证据。《金融杂志》48（1），187–211。Garcia-Portugu\'es，E.，Gonz\'alez Manteiga，W.，Febrero Bande，M.，2014年。具有标量响应的函数线性模型的拟合优度检验。计算和图形统计杂志23（3），761–778。Geva，T.，Zahavi，J.，2014年。结合市场数据和文本新闻的自动日内股票推荐系统的实证评估。决策支持系统57212–223。Godichon Baggioni，A.，Maugis Rabusseau，C.，Rau，A.，2018年。使用k-means聚类转换成分数据，并将其应用于基因表达和自行车共享系统数据。《应用统计学杂志》，1-19。Hagenau，M.，Liebmann，M.，Neumann，D.，2013年。自动新闻阅读：利用上下文捕获功能基于金融新闻的股价预测。决策支持系统55（3），685–697。Hall，P.，Hooker，G.，2016年。

函数数据的截断线性模型。皇家统计学会杂志：B辑（统计方法学）78（3），637–653。Hall，P.，Horowitz，J.L.，等人，2007年。函数线性回归的方法和收敛速度。《统计年鉴》35（1），70–91。哈里斯，L.，1986年。对股票周收益和日内收益模式的交易数据研究。《金融经济学杂志》16（1），99–117。哈里斯，L.，1989年。日终交易价格异常。《金融与定量分析杂志》24（1），29–45。Ho，C.-S.，Damien，P.，Gu，B.，Konana，P.，2017年。在建模股票回报时，社交媒体情绪的时变性。决策支持系统101、69–81。Horv\'ath，L.，Kokoszka，P.，2012年。使用应用程序推断功能数据。第200卷。斯普林格。徐春梅，2011年。结合自组织映射和遗传规划的股票价格预测混合程序。应用专家系统38（11），14026–14036。Huang，L.，Zhao，J.，Wang，H.，Wang，S.，2016年。基于lad损失的函数多重线性模型稳健收缩估计与选择。计算统计与数据分析103384–400。Jain，P.C.，Joh，G.-H.，1988年。小时价格和交易量之间的依赖关系。《金融与定量分析杂志》23（3），269–283。Jasemi，M.，Kimiagari，A.M.，Memariani，A.，2011年。一种基于日本烛台古老投资技术的现代神经网络股市计时模型。应用专家系统38（4），3884–3890。Jones，C.P.，Litzenberger，R.H.，1970年。季度盈利报告和中期股价趋势。《金融杂志》25（1），143–148。Li，Q.，Wang，T.，Li，P.，Liu，L.，Gong，Q.，Chen，Y.，2014年。新闻和公众情绪对股票走势的影响。信息科学278826–840。Lillo，F.，Farmer，J.D.，Mantegna，R.N.，2003年。

经济物理学：价格影响函数的主曲线。《自然》421（6919），129。新墨西哥州朗福德，M.G.皮托，2006年。20世纪90年代欧洲国家家庭收入的稳定性。计算统计与数据分析51（2），1364–1383。Lu，S.，Zhao，J.，Wang，H.，Ren，R.，2017年。羊群效应提升了中国股市的“太关联而不能倒”风险。arXiv预印本arXiv:1705.08240。Mat'ias，J.M.，Rebredo，J.C.，2012年。股票日内收益非线性模型的预测性能。《预测杂志》31（2），172–188。Meng，Y.，Liang，J.，Qian，Y.，2016年。包含分类的功能数据正交表示的比较研究。基于知识的系统97224–236。Miesch，A.，Chapman，R.，1977年。地球化学中的对数变换。国际数学地质学协会杂志9（2），191–198。Pan，Y.，Xiao，Z.，Wang，X.，Yang，D.，2017年。混合频率采样的股票指数预测的多重支持向量机方法。基于知识的系统122、90–102。Pawlowsky Glahn，V.，Egozcue，J.J.，Tolosana Delgado，R.，2015年。合成数据的建模和分析。约翰·威利父子公司。皮尔逊，K.，1896年。数学对进化论的贡献。回归、遗传和泛混合症。伦敦皇家学会哲学学报。A系列，包含数学或物理性质的论文187253–318。Perlich，C.，Provost，F.，Simono Offf，J.S.，2003年。树归纳与逻辑回归：学习曲线分析。机器学习研究杂志4（六月），211–255。Preis，T.、Moat，H.S.、Stanley，H.E.，2013年。使用googletrends量化金融市场的交易行为。科学报告3，srep01684。Ramsay，J.O.，Silverman，B.W.，1997年。功能数据分析。斯普林格，纽约。Ramsay，J.O.，Silverman，B.W.，2007年。应用功能数据分析：方法和案例研究。

斯普林格。Ruan，Y.，Durresi，A.，Alfantoukh，L.，2018年。使用推特信任网络进行股市分析。基于知识的系统145、207–218。Shang，Z.，Cheng，G.，等人，2015年。广义函数线性模型中的非参数推理。《统计年鉴》43（4），1742-1773年。Sun，T.，Wang，J.，Zhang，P.，Cao，Y.，Liu，B.，Wang，D.，2017年。利用微博情绪预测中国股市的股价回报。参加：大数据计算与通信（BIGCOM），2017年第三届国际会议。IEEE，第87–96页。Wang，H.，Huang，L.，Wang，S.，2016年。基于函数数据分析的广义线性回归模型。北京航空航天大学学报（1），8-12。Wanyun，C.，Jie，L.，2013年。投资者看好社交媒体和股市指数。J、 管理5，012。Ye，F.，Zhang，L.，Zhang，D.，Fujita，H.，Gong，Z.，2016年。提出了一种基于多阶模糊时间序列和技术分析的预测方法。信息科学367，41–57。Zhang，X.，Zhang，Y.，Wang，S.，Yao，Y.，Fang，B.，Philip，S.Y.，2017年。通过异构信息融合改善股市预测。基于知识的系统。赵，J.，董，L.，吴，J.，徐，K.，2012。Moodlens：一个基于表情符号的中文网页情感分析系统。摘自：第18届ACM SIGKDD知识发现和数据挖掘国际会议记录。ACM，第1528-1531页。Zhou，L.，Lu，D.，Fujita，H.，2015年。通过领域知识和数据挖掘方法指导特征选择的公司财务困境预测模型的性能。基于知识的系统85，52–61。Zhou，L.，Si，Y.-W.，Fujita，H.，2017a。利用决策树结合改进的过滤特征选择方法预测中国上市公司的上市状态。基于知识的系统128,93–101。Zhou，Z.，Xu，K.，Zhao，J.，2017年9月b。

中国的情感与股票故事：波动性、因果关系与预测。万维网。