隨著時代的不斷進步,人民生活水平日益提高。在解決溫飽問題之余,有了可供投資的余財。越來越多的人將目光轉向股市投資,為股市發(fā)展提供了資金條件。然而在紛繁復雜的股票市場,如何尋找最優(yōu)股成為亟待解決的問題。這不僅是投資者單方面的困惑,也是股票預測領域中學者們所關心的重點。通過網(wǎng)格搜索算法對XGBoost模型進行參數(shù)優(yōu)化構建GS-XGBoost的金融預測模型,并將該模型運用于股票短期預測中。分別以中國平安、中國建筑、中國中車、科大訊飛和三一重工2005年4月至2018年12月28日的每日收盤價作為實驗數(shù)據(jù)。通過實驗對比,相較于XGBoost原模型、GBDT模型以及SVM模型,GS-XGBoost模型在MSE、RMSE與MAE三個評價指標上都表現(xiàn)出較好的預測結果。從而驗證,GS-XGBoost金融預測模型在股票短期預測中具有更好的擬合性能。 

【文章來源】：計算機工程與應用. 2019,55(20)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

目標函數(shù)評價決策樹性能的示例

中國平安收盤價漲跌圖

可以看出XGBoost模型在預測中的均51015202530時間序列數(shù)據(jù)

【參考文獻】：
期刊論文
[1]GBDT組合模型在股票預測中的應用[J]. 張瀟,韋增欣,楊天山.  海南師范大學學報(自然科學版). 2018(01)



本文編號：2965124