為了提高股票預(yù)測的正確率,參照股票研究的指標體系,以股票的相對強弱、變動速率、能量潮、異同移動平均線以及威廉指標五個純技術(shù)指標作為股票預(yù)測的特征。通過網(wǎng)格搜索對隨機森林的參數(shù)進行了優(yōu)化,構(gòu)建基于純技術(shù)指標的和參數(shù)優(yōu)化隨機森林的股票預(yù)測模型,并以平安銀行、萬科、深振業(yè)A、神州高鐵、美麗生態(tài)2017年4月30日到2019年6月30日所有交易日作為實驗室數(shù)據(jù),實驗結(jié)果與原始隨機森林、決策樹以及支持向量機分類模型對比,證實了參數(shù)優(yōu)化后的隨機森林股票預(yù)測模型在模型評價中的準確率和AUC值都高于其他模型。 

【文章來源】：軟件. 2020,41(01)

【文章頁數(shù)】：5 頁

【部分圖文】：

網(wǎng)格搜索結(jié)果可視化Fig.2Visualizationofgridsearchresults

參數(shù)優(yōu)化的隨機森林股票預(yù)測流程Fig.1RandomforeststockforecastingprocesswithHyper-parametricoptimization

【參考文獻】：
期刊論文
[1]改進的XGBoost模型在股票預(yù)測中的應(yīng)用[J]. 王燕,郭元凱.  計算機工程與應(yīng)用. 2019(20)
[2]基于改進隨機森林算法的文本分類研究與應(yīng)用[J]. 劉勇,興艷云.  計算機系統(tǒng)應(yīng)用. 2019(05)
[3]基于RS-SVM的無線傳感器網(wǎng)絡(luò)安全的應(yīng)用研究[J]. 黃金金,陳晶,張鯤.  軟件. 2018(11)
[4]改進ACO-SVM在網(wǎng)絡(luò)入侵檢測中的應(yīng)用[J]. 劉靜,楊正校.  軟件. 2018(10)
[5]基于改進的PSO和模糊RBF神經(jīng)網(wǎng)絡(luò)的MBR膜污染預(yù)測（英文）[J]. 陶穎新,李春青,蘇華.  軟件. 2018(08)
[6]基于隨機森林的無人機檢測方法[J]. 劉陽,杜華軍,岳子涵,馬杰,呂武.  計算機工程與應(yīng)用. 2019(07)
[7]隨機森林在量化選股中的應(yīng)用研究[J]. 王淑燕,曹正鳳,陳銘芷.  運籌與管理. 2016(03)
[8]基于隨機森林和欠采樣集成的垃圾網(wǎng)頁檢測[J]. 盧曉勇,陳木生.  計算機應(yīng)用. 2016(03)
[9]基于奇異熵和隨機森林的人臉識別[J]. 全雪峰.  軟件. 2016(02)
[10]關(guān)于遺傳算法優(yōu)化的最小二乘支持向量機在MBR仿真預(yù)測中的研究[J]. 聶敬云,李春青,李威威,王韜.  軟件. 2015(05)



本文編號：3397220