机器学习模型在中国A股市场的应用

发布时间：2021-03-07 19:35

　　金融市场在现代经济中扮演着重要的作用,一方面对政策制定者来说对金融市场的有效预测能使其更好的对宏观经济进行预判,进而制定相关政策引导经济健康运行,另一方面对金融市场的参与者来说,金融市场的预测对构建投资组合、进行风险管理尤为重要。但金融市场的复杂性导致传统的ARMA等模型预测结果往往不是很理想。而自上世纪九十年代以来,人工智能作为计算机科学的一个分支,其概念被不断提及,学术界、工商业,乃至社会大众无不对人工智能趋之若鹜。随着计算机性能的提高和算法的不断优化,人工智能的理论、方法和技术都得到了普遍的重视和提升。尤其在图像识别、语音识别、自动驾驶、机器翻译等领域,人工智能逐渐从幕后走向前台,并开始大展拳脚,在很多相关行业应用的范围也在不断扩大,这不禁让人联想到人工智能应用在金融市场的美好前景。本文将机器学习模型应用到中国A股市场上,主要使用支持向量机模型、人工神经网络模型、随机森林模型和三者的集成模型对中国A股股票未来三天涨跌的方向进行预测,并根据涨跌的概率选择最大的M只股票构建投资组合,建模包括获取数据、确立特征变量和目标变量、划分训练集和测试集、数据预处理、特征选择、模型参数调优、模型... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：51 页

【学位级别】：硕士

【部分图文】：

图４－３净值曲线图??

【参考文献】：
期刊论文
[1]基于DAE-BP神经网络的股票预测研究[J]. 邓烜堃,万良,黄娜娜.  计算机工程与应用. 2019(03)
[2]随机森林在股票趋势预测中的应用[J]. 张潇,韦增欣.  中国管理信息化. 2018(03)
[3]基于多输出学习的沪深300指数预测研究[J]. 唐艳琴,潘志松,张艳艳.  计算机科学. 2017(S2)
[4]基于股民评论信息的股票预测方法研究[J]. 张凯,任维平,张仰森,尤建清.  北京信息科技大学学报(自然科学版). 2017(05)
[5]基于改进的支持向量机的股票预测方法[J]. 郝知远.  江苏科技大学学报(自然科学版). 2017(03)
[6]小波分析下的神经网络股票预测研究[J]. 孙冰洁,唐瑞,左毅,黄明和.  计算机与数字工程. 2016(06)
[7]基于SVM股票价格预测的核函数应用研究[J]. 黄同愿,陈芳芳.  重庆理工大学学报(自然科学). 2016(02)
[8]基于小波支持向量机回归的股票预测[J]. 李坤,谭梦羽.  统计与决策. 2014(06)
[9]基于PCA的BP神经网络股票预测研究[J]. 李杰,王建中,胡红萍.  太原师范学院学报(自然科学版). 2011(03)
[10]基于支持向量机的股票预测[J]. 张晨希,张燕平,张迎春,陈洁,万忠.  计算机技术与发展. 2006(06)



本文编号：3069684