节点文献

基于集成学习的股票指数预测方法

免费订阅

【作者】 孟叶于忠清周强

【Author】 MENG Ye;YU Zhongqing;ZHOU Qiang;College of Data Science and Software Engineering,Qingdao University;

【机构】 青岛大学数据科学与软件工程学院

【摘要】 股票价格指数是衡量整个股票市场当前行情的重要指标,通常对指数内所有个股的涨跌幅进行加权平均得到,因此股票指数能够及时准确地反映当前市场的动向走势。对沪深300指数的历史行情数据进行建模,通过挖掘大盘指数的涨跌幅与个股的涨跌比之间的关系,利用聚类算法确定对市场影响较大的指数涨跌幅集合G,将其作为研究关键。运用集成学习的算法思想,选取K-近邻、梯度提升和自适应提升这3个分类器,通过改进的投票算法聚合成一个新的分类器模型,对指数行情数据进行学习分类,从而对G的出现进行预测,改进的投票算法综合考虑了弱分类器本身的分类效果,分类效果得到提升。实验结果表明,与原模型相比,新聚合的模型在一定程度上提升了股指预测的准确度,对于沪深300股指的预测具有指导作用。

【基金】 国家自然科学基金资助项目:海洋灾害大数据分析的系统模型研究及应用(41476101)~~
【所属期刊栏目】 测控与自动化技术 (2019年19期)
  • 【DOI】10.16652/j.issn.1004-373x.2019.19.027
  • 【分类号】F832.51;TP181
  • 【下载频次】99
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: