近日，我院商业数据系宋玉平副教授作为第一作者与21级经济统计学研究生蔡淳淳、21级金融学(拔尖人才实验班)本科生马德祥以及山东大学李琛博士合作撰写的论文“Modelling and Forecasting High-Frequency Data with Jumps Based on a Hybrid Nonparametric Regression and LSTM model” 在Expert Systems with Applications期刊在线发表。Expert Systems with Applications是人工智能和计算机科学等领域的TOP期刊，中科院一区TOP，JCR/Q1，Google Scholar上的H指数排名人工智能类期刊第五位，影响因子为8.5。
论文摘要： 高频金融数据具有跳跃性、长记忆性、高度非线性和非平稳性等特点，使得低频数据的预测方法不再适用。因此，对来自于金融市场的高频数据进行预测是金融统计实际应用中的重要组成部分。本文将非参数回归计量模型与LSTM 深度学习模型相结合，对金融市场中的股价高频数据进行预测。我们首先采用非参数自回归的方法对高频数据进行拟合，然后利用LSTM 模型对误差进行修正。我们首先把本文提出的方法对带跳扩散模型产生的高频数据进行模拟验证，验证方法预测效果良好，然后对中国沪深300 指数、中国平安银行个股、英国富时100 指数、美国标准普尔500 指数等4个不同的高频金融实际数据集，在7个评价标准下验证了我们提出的混合模型的预测准确性和普遍适用性。
作者简介： 宋玉平 浙江大学数理统计博士，研究方向：金融大数据分析；人工智能应用研究。主持（结项）国家青年项目、教育部青年项目及全国统计科学重点项目各一项；以第一作者（通讯作者）在中国科学（英文版）、Scandinavian Journal of Statistics、Journal of Time Series Analysis、Expert Systems with Applications、Journal of Forecasting及中国软科学等国内外SCI、SSCI与CSSCI期刊发表论文数十篇。2021及2023年指导本科生获得美国大学生数学建模竞赛一等奖；2021年指导研究生获得MathorCup高校数学建模挑战赛一等奖；2022指导研究生获得“华为杯”全国研究生数学建模竞赛一等奖；2023指导本科生获得“正大杯”第十三届全国大学生市场调查与分析大赛国家三等奖；2023年指导本科生获得第九届全国大学生统计建模大赛上海市二等奖；指导本科生一作发表两篇SSCI论文（JCR一区&二区）、多位本科生大创国家级及市级立项并结项、互联网+校赛铜奖等。曾就职于大型物流公司从事高级数据分析师及大型券商公司从事量化分析。
返回顶部