LSTM-ARIMA as a Hybrid Approach in Algorithmic Investment Strategies
创建于 更新于
摘要
本研究构建结合LSTM与ARIMA的混合算法模型（LSTM-ARIMA），利用长期短期记忆网络捕捉非线性依赖，并辅助ARIMA残差处理线性趋势，以提升三大股指（S&P 500、FTSE 100及CAC 40）20余年每日数据的投资策略表现。通过非锚定逐步前移优化和随机超参数搜索，实证显示LSTM-ARIMA策略在多种风险调整收益指标上显著优于单独模型及基准买入持有策略，且在经济危机期间表现稳健，验证了该混合模型在算法投资领域的潜力[page::0][page::1][page::22][page::23][page::38][page::40]
