針對股票預(yù)測模型的準(zhǔn)確度不夠高,存在過擬合及欠擬合等問題,在現(xiàn)有股票預(yù)測方法分析的基礎(chǔ)上,給出了一種基于Cart決策樹與boosting方法的股票預(yù)測方法。該方法針對現(xiàn)有預(yù)測模型在數(shù)據(jù)縱向性方面考慮較少,額外增添近10日均價及轉(zhuǎn)手率兩個縱向變化指標(biāo)以提高股票走勢預(yù)測的準(zhǔn)確性;并且以Cart決策樹方法為基礎(chǔ),采用boosting級聯(lián)多棵決策樹的方法建立股票模型來解決擬合度問題。預(yù)測實(shí)驗(yàn)結(jié)果表明,該方法對儀器儀表領(lǐng)域的股票預(yù)測效果較好,均方誤差有所下降。 

【文章來源】：哈爾濱理工大學(xué)學(xué)報(bào). 2019,24(06)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

測試樣本在決策樹中的預(yù)測曲線

按照跟3.3實(shí)驗(yàn)相同的背景條件,使用特征F2作為輸入特征,實(shí)驗(yàn)過程與3.2.2中相同。將訓(xùn)練數(shù)據(jù)輸入進(jìn)行模型訓(xùn)練,來預(yù)測次日收盤價。訓(xùn)練模型后,測試數(shù)據(jù)在模型中擬合度如圖3所示。圖3 Cart樹和boosting結(jié)合七特征測試曲線

Cart樹和boosting結(jié)合七特征測試曲線

【參考文獻(xiàn)】：
期刊論文
[1]關(guān)于股票價格優(yōu)化預(yù)測的建模仿真研究[J]. 陳遠(yuǎn),羅必輝,蔣維琛,孫宏偉.  云南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[2]ARIMA和RBF神經(jīng)網(wǎng)絡(luò)相融合的股票價格預(yù)測研究[J]. 俞國紅,楊德志,叢佩麗.  計(jì)算機(jī)工程與應(yīng)用. 2013(18)
[3]基于自適應(yīng)遺傳算法的股票預(yù)測模型研究[J]. 張煒,范年柏,汪文佳.  計(jì)算機(jī)工程與應(yīng)用. 2015(04)
[4]基于智能計(jì)算的股票價格預(yù)測[J]. 李忍東,饒佳藝,嚴(yán)亞寧.  科技通報(bào). 2013(04)
[5]AdaBoost算法研究進(jìn)展與展望[J]. 曹瑩,苗啟廣,劉家辰,高琳.  自動化學(xué)報(bào). 2013(06)
[6]基于ARIMA-SVM組合模型的股票價格預(yù)測[J]. 程昌品,陳強(qiáng),姜永生.  計(jì)算機(jī)仿真. 2012(06)
[7]Application of Support Vector Machines Regression in Prediction Shanghai Stock Composite Index[J]. Wang Dong, Wu Wen-feng Aetna School of Management, Shanghai Jiaotong University , Shanghai 200052, China.  Wuhan University Journal of Natural Sciences. 2003(04)
[8]數(shù)量關(guān)聯(lián)規(guī)則發(fā)現(xiàn)中的聚類方法研究[J]. 苑森淼,程曉青.  計(jì)算機(jī)學(xué)報(bào). 2000(08)



本文編號：3222864