数据预处理:平稳性检验(ADF 检验),非平稳序列需差分处理。去除异常值(如 3σ 法则),填充缺失值(线性插值、ARIMA 填补)。
特征工程:构建滞后特征(如前 5 日收盘价)、技术指标(RSI、MACD)、波动率指标(如 ATR)。
模型选择与训练:
线性模型:ARIMA 适用于线性趋势明显的股票(如大盘股)。
非线性模型:LSTM 适合捕捉股价的长期依赖和非线性波动(如成长股)。
验证与调优:用滚动交叉验证避免过拟合,通过均方根误差(RMSE)、夏普比率评估模型效果。
发布于2025-5-21 15:26 武汉