| 基于相依函数型logistic的股指价格缺口混合预测 |
| Mixed prediction of price gap in stock market based on dependently functional logistic model |
| 摘要点击 52 全文点击 0 投稿时间：2025-03-17 修订日期：2025-11-25 |
| 查看/发表评论 下载PDF阅读器 |
| 中文关键词 价格缺口异常；函数型logistic；日内模式；相依结构；混合预测 |
| 英文关键词 price gap anomaly; functional logistic; intraday pattern; dependent structure; mixed prediction |
| 基金项目 国家社会科学基金重点资助项目：金融市场函数型数据挖掘的统计方法及应用研究（24FTJA001）；教育部人文社科基金规划资助项目：面向超高频金融数据的函数型分类预测方法及应用研究（22YJAZH099）；中央高校基本科研业务费专项资助资金（2025JCXKSK04） |
| 投稿方向 金融数据挖掘 |
| 作者 | 单位 | 邮编 | | 王德青* | 中国矿业大学经济管理学院 | 221116 | | 罗雅文 | 中国矿业大学经济管理学院 | | | 郭子迈 | 中国矿业大学经济管理学院 | | | 李思雨 | 中国矿业大学经济管理学院 | | | 赵崇利 | 中国矿业大学经济管理学院 | |
|
| 中文摘要 |
| 股指价格缺口是股票市场信息异常的集中表现，建立面向日内高频数据的预测模型是捕捉价格缺口异常的关键。综合考虑日内股指价格的波动模式和日度股指函数序列的相依结构，提出基于相依函数型logistic回归的混合预测模型。首先，使用动态函数型主成分重构存在相依性的日内股指函数；其次，使用函数型聚类分析自适应识别日内股指价格波动的潜在类别模式，并建立新函数类别归属的概率判别模型；进一步，基于波动模式类别分别构建价格缺口异常的函数型logistic模型，计算新函数在各模式类别中价格缺口异常的条件概率；最后，依据新函数隶属各子类别模式的后验概率，混合加权其在每一类别中缺口异常预测结果。数值模拟和上证综指实证表明，相依函数型混合预测模型能够精确识别日内股指波动的类别模式，显著提升价格缺口异常预测的准确率和稳健性。 |
| 英文摘要 |
| Stock index price gaps represent concentrated manifestations of information anomalies in stock markets. Establishing prediction models for intraday high-frequency data is crucial to accurately capturing such anomalies. This study proposes a mixed prediction model based on dependently functional logistic regression by considering intraday patterns and the dependent structure of daily functional sequences. First, dynamic functional principal component analysis reconstructed intraday functional curves to handle serial dependence. Second, functional clustering adaptively identified intraday patterns and established a cluster discriminant model. Then, functional logistic models were built for each cluster to estimate conditional probabilities of price gap anomalies. Finally, the method computed posterior probabilities for new observations and weighted all cluster predictions for mixed prediction. Numerical simulations and empirical studies on the Shanghai Composite Index demonstrate that the proposed model accurately identifies patterns of intraday stock index fluctuations and significantly improves prediction accuracy and robustness for price gap anomalies. |
| 关闭 |
