基于lasso的我国股票价格影响因素分析

基于lasso的我国股票价格影响因素分析

ID:35057591

大小:5.24 MB

页数:65页

时间:2019-03-17

基于lasso的我国股票价格影响因素分析_第1页
基于lasso的我国股票价格影响因素分析_第2页
基于lasso的我国股票价格影响因素分析_第3页
基于lasso的我国股票价格影响因素分析_第4页
基于lasso的我国股票价格影响因素分析_第5页
资源描述:

《基于lasso的我国股票价格影响因素分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、&振骑键乂聲SOUTHWESTERNUNIVERSITYOFFINANCEANDECONOMJCS硕±学位论文M乂/SIRSDISSERTATION基于Lasso的我国股票价格影扁白素分薪TheAnalsisofhine化StkPyCiocriceInfluenceFactorsBasedonLasso学位申请人张兴凤指导教师林华珍学科专业统计学学位类别经济学?.■基于Lasso的我国股票价格影响因素分祈TheAnalsisofChineseS化ckPriceIn打uence

2、Fac化rsBasedonLassoy学位申请人:张兴凤学号:213020208032学科专业:统计学:余融统计研究方向指导教师:林华珍定稿时间:2016年3月23日西南财经大学学位论文原创性及知识产权声明:所呈交的学位论文本人郑重声明,是本人在导师的指导下独立进行研究工作所取得的成果。除文中己经注明引用的内容外,本论文不含任何其他个人或集体己经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体,,均己在文中明确方式标明因本学位论文引起的法律结果完全由本人承担。本人同意在校攻读学位期间论文工作

3、的知识产权单位属西南财经大学。本人完全了解西南财经大学有关保留,、使用学位论文的规定即学校有权保留并向国家有关部口或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权西南财经大学可W将本学位论文的全部或部分内容编入有关,可采用影印数据库进行检索、缩巧、数字化或其他复制手段保存和汇编本学位论文。本学位论文属于1,、□密在年解密后适用本授权书。保密特此声明。学位申请人:年朗r日摘要摘要自改革开放来,我国的经济取得快速发展,我国的国内成产总值(GDP)从1990年的18,774.00(亿元)增长到2014年的634,04

4、3.40(亿元)。与此同时,我国证券市场也已经得到了较全面的成长与完善,对社会经济发展做出了不可轻忽的贡献。虽然世界上从建立股票到至今已有接近四百年的历史,中国证券市场起步相对甚晚,但成长速度及规模不容小颇。首先,从成交情201346872860况看,据中国证监会统计,年中国股票成交金额累计.(亿,,元)2014年较上年增长58.71%,而20巧年截至12月底则累计达到2,巧0,538.30(亿元),较2014年增长超过200%。其次,就交易活跃度来看,单上海证券交易所而言,20巧年的总成交量达1,024,巧6,267.14(万股),且2015年的日最高成

5、交量达到8,607,174.87(万股)。如此可这样说,证券中的股票市""场行情可レッ用来反映我国宏观国民经济运行的晴雨表,于现代市场经济而言具有不容轻视的作用。一2而对于中国而言,个股票市场发起晚,只有0多年股票历史的国家,一我国股票市场仍存在诸多变数。2014年12月和20巧年月,市场几乎是在一20巧剧烈震荡中度过的,年注定是中国股市从疯牛到股灾难忘的年。从牛市起步到疯牛的形成,再到股灾爆发流动性完全丧失,出现有6天跌1000点、一2个月跌3000点的怪象,这切仅在半年多时间内完成,如梦亦如幻。""证券中的股票市场行情是可W反映我国宏观国民经济运行的晴雨

6、表,所W研究股票市场价格具有十分重要的意义。本文旨在研究上证综指的风险因素。特别,针对我国国民经济W及股市情况,初步挑出了28个待选因子,这些因子涵盖了体现物价指数、经济景气指数、货币政策、利率政策、财政政策、对外贸易外汇W及体现股市本身交易活动情况的交易量和影响我国乃至世界的道琼斯工业平均指数。1基于Lasso的我国股票价格影响因素分析多元线性回归模型在研究金融证券股票市场有很好的实用价值,可用于识别及解释多个风险因素对结果变量的影响。在建立多元线性回归模型前,为了详尽地途释因变量,我们往往事先尽可能多地搜集影响因子,不论是m向影响还是横向影

7、响,不论直接影响的还是间接影响的,我们都希望加入到模型中一,W更好地解释因变量如何受这些因子影响。当因子太多时,方面,二一这些因子可能存在多重线性关系,传统的最小乘回归方法不适用;另方面,因子太多不利于我们对模型的解释。这时候,岭回归(ridgeregression)通过采用L2惩罚对模型的回归系数进行压缩W解决多重共线性问题,得到_的模型具有较好的稳定性。但是岭回归终不能将回归系数压缩至

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。