基于弹性网络回归的股票价格预测.pdfVIP

E-CommerceLetters电子商务评论,2024,13(4),5359-5374

PublishedOnlineNovember2024inHans./journal/ecl

/10.12677/ecl.2024.1341771

基于弹性网络回归的股票价格预测

朱灿，谢学琴

贵州大学数学与统计学院，贵州贵阳

收稿日期：2024年9月23日；录用日期：2024年10月16日；发布日期：2024年11月27日

摘要

本文基于弹性网络回归模型对股票价格进行了预测分析。通过收集国内某酒厂738个交易日的数据，选

取开盘价、最高价、最低价、交易量、涨跌幅等作为自变量，以收盘价为因变量，分别应用线性回归、

岭回归、Lasso回归及弹性网络回归四种模型进行预测分析。研究结果表明，弹性网络回归模型在处理多

重共线性问题和变量筛选方面具有显著优势。通过交叉验证确定了最优的惩罚参数，使得模型的预测误

差最小。最终，最高价、最低价、交易量和涨跌幅被筛选为影响股票收盘价的主要因素。本文的研究为

股票价格预测提供了有效的方法和工具，并为金融市场的投资决策提供了重要参考。

关键词

弹性网络回归，股票价格预测，多重共线性，岭回归，Lasso回归

StockPricePredictionBasedonElasticNet

Regression

CanZhu,XueqinXie

SchoolofMathematicsandStatistics,GuizhouUniversity,GuiyangGuizhou

Received:Sep.23rd,2024;accepted:Oct.16th,2024;published:Nov.27th,2024

Abstract

ThisstudyconductsastockpricepredictionanalysisbasedontheElasticNetregressionmodel.Us-

ingdatafrom738tradingdaysofadomesticbrewery,thestudyselectsopeningprice,highestprice,

lowestprice,tradingvolume,andpricechangepercentageasindependentvariables,withtheclosing

priceasthedependentvariable.Fourmodelsareappliedforpredictionanalysis:linearregression,

ridgeregression,Lassoregression,andElasticNetregression.TheresultsshowthattheElasticNet

regressionmodelhassignificantadvantagesinhandlingmulticollinearityissuesandvariableselec-

tion.Theoptimalpenaltyparametersaredeterminedthroughcross-validation,minimizingthe

文章引用:朱灿,谢学琴.基于弹性网络回归的股票价格预测[J].电子商务评论,2024,13(4):5359-5374.

DOI:10.12677/ecl.2024.1341771

朱灿，谢学琴

predictionerror.Ultimately,thehighestprice,lowestprice,tradingvolume,andpricechangeper-

centageareidentifiedasthekeyfactorsinfluencingstockclosingpri