而对于GARCH模型,我们通过ACF,PACF,EACF,Mcleod-Li检验等方式确定了GARCH(1,1)模型,进而分别不同条件分布下建立模型,条件有偏t分布下的GARCH(1,1)模型拟合最为恰当。最后使用GARCH-M,EGARCH,TGARCH模型拟合,发现具有反杠杆效应,正面消息的冲击对未来波动的影响更大,说明投资者对云南白药的遵循“追涨杀跌”的正反馈交易策略。其次我们通过随机森林模型,弥补了GARCH只能预测方差的不足:对股票的涨跌变化进行特征提取,建立决策树,得到随机森林。同时我们还基于此给出了对于涨跌情况的预测概率,进一步指导投资者决策。最终我们通过最小化测试集泛化误差,拟合得到时间步长为11的LSTM模型,并利用10天数据预测时达到最佳效果。
本文共32页,字数一万以上,压缩包中有论文word版和pdf版。