線性模型中的變量選擇及股票市場實證研究.pdf

1、線性回歸分析是各種多元統(tǒng)計分析方法當中應(yīng)用最為廣泛的一種方法,目的是為了研究多個變量間相互依賴的關(guān)系。而建立回歸模型的過程中，有一個非常重要的問題，就是如何從眾多的解釋變量中選取對響應(yīng)變量影響最大的變量,即變量選擇問題。變量選擇在現(xiàn)代統(tǒng)計學中的地位越來越重要，其中，于1996年Tibshirani提出來的“Lasso”方法受到了學者們的追捧。隨著計算機技術(shù)的不斷發(fā)展，現(xiàn)階段，“Lasso”方法已經(jīng)被用到各類模型中來解決變量選擇問題。

2、r>　　本文主要是將“Lasso”方法運用到回歸模型，并利用股票市場來進行實證研究。首先,本文從多元回歸分析入題,簡單介紹了線性回歸模型中有偏估計的發(fā)展、線性模型中常用的變量選擇方法。其次,本文對“Lasso”方法進行了詳細的解釋，主要介紹了“Lasso”的定義、Lars算法以及”Lasso”的相關(guān)方法等等。最后，本文選取上證50指數(shù)的5分鐘分時數(shù)據(jù)作為因變量，組成上證50指數(shù)的50支股票的相同時間段的5分鐘分時收盤價作為自變量進行實證

3、研究。
　　為了體現(xiàn)“Lasso”方法的壓縮與選擇功能，本文還選擇了逐步回歸方法作為對比，通過對上證50指數(shù)和組成其指數(shù)的50只成分股建立回歸模型，然后采用“Lasso”方法和Lars算法，運用R軟件中Lars程序包對模型進行求解。最后成功選取出了19支對上證50指數(shù)影響較大的成分股，通過進一步的擬合分析，發(fā)現(xiàn)模型效果是很好的。本文最后還在模型中引入權(quán)重，以使用更多的自變量信息，發(fā)現(xiàn)引入權(quán)重后選擇的股票只數(shù)并未改變，只是每只股票的