部分线性模型在股票价格预测中的应用研究的中期报告.docxVIP

部分线性模型在股票价格预测中的应用研究的中期报告 [中期报告] 研究背景 股票价格预测一直是金融领域的热门研究领域，对于投资者和金融机构来说都有着重要的意义。以往的研究主要采用基于时间序列的方法进行预测，但该方法忽略了其他影响因素对股票价格的影响，因此预测精度较低。因此，我们引入部分线性模型来预测股票价格，探究其他因素如何影响股票价格的变化。 研究目的 本研究旨在探究部分线性模型在股票价格预测中的应用，以分析其他因素对股票价格的影响，并进一步提高股票价格预测的准确率。 研究方法 本研究采用时间序列分析方法，引入部分线性模型，分析影响股票价格的因素。具体步骤如下： 1. 数据收集：收集上证指数2010年1月至2021年6月的日级别数据，包括开盘价、收盘价、最高价、最低价、成交量和成交金额等。 2. 数据预处理：对股票价格进行归一化处理，并通过ADF检验和ACF/PACF图检验数据的平稳性。 3. 部分线性模型建模：通过广义交叉验证法（GCV）估计非参数函数的光滑度参数，进而建立部分线性模型。 4. 模型评价：使用R方值和均方根误差（RMSE）评价模型的性能。 研究进展 在本研究中，我们首先进行了数据预处理，包括对数据的归一化处理和检验数据的平稳性。然后，我们使用部分线性模型来预测股票价格，并通过广义交叉验证法（GCV）来选择合适数值的非参数函数的光滑度参数。最后，我们采用R方值和均方根误差（RMSE）来评价模型的性能。 初步结果表明，部分线性模型能够提高股票价格预测的准确性。此外，我们还发现，成交量和成交金额等变量对股票价格有着重要影响。下一步，我们将深入研究这些变量对股票价格的影响，并进一步提高模型的精度。 研究结论 本研究初步探究了部分线性模型在股票价格预测中的应用，结果表明该模型能够提高预测的准确性，同时也展示了其他因素对股票价格的影响。我们将继续深入研究这些变量的影响，并进一步提高模型的性能，以为投资者和金融机构提供更准确的股票价格预测。