基于Cart决策树与boosting方法的股票预测

发布时间：2021-06-10 18:02

　　针对股票预测模型的准确度不够高,存在过拟合及欠拟合等问题,在现有股票预测方法分析的基础上,给出了一种基于Cart决策树与boosting方法的股票预测方法。该方法针对现有预测模型在数据纵向性方面考虑较少,额外增添近10日均价及转手率两个纵向变化指标以提高股票走势预测的准确性;并且以Cart决策树方法为基础,采用boosting级联多棵决策树的方法建立股票模型来解决拟合度问题。预测实验结果表明,该方法对仪器仪表领域的股票预测效果较好,均方误差有所下降。 

【文章来源】：哈尔滨理工大学学报. 2019,24(06)北大核心

【文章页数】：6 页

【部分图文】：

测试样本在决策树中的预测曲线

按照跟3.3实验相同的背景条件,使用特征F2作为输入特征,实验过程与3.2.2中相同。将训练数据输入进行模型训练,来预测次日收盘价。训练模型后,测试数据在模型中拟合度如图3所示。图3 Cart树和boosting结合七特征测试曲线

Cart树和boosting结合七特征测试曲线

【参考文献】：
期刊论文
[1]关于股票价格优化预测的建模仿真研究[J]. 陈远,罗必辉,蒋维琛,孙宏伟.  云南大学学报(自然科学版). 2016(04)
[2]ARIMA和RBF神经网络相融合的股票价格预测研究[J]. 俞国红,杨德志,丛佩丽.  计算机工程与应用. 2013(18)
[3]基于自适应遗传算法的股票预测模型研究[J]. 张炜,范年柏,汪文佳.  计算机工程与应用. 2015(04)
[4]基于智能计算的股票价格预测[J]. 李忍东,饶佳艺,严亚宁.  科技通报. 2013(04)
[5]AdaBoost算法研究进展与展望[J]. 曹莹,苗启广,刘家辰,高琳.  自动化学报. 2013(06)
[6]基于ARIMA-SVM组合模型的股票价格预测[J]. 程昌品,陈强,姜永生.  计算机仿真. 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]数量关联规则发现中的聚类方法研究[J]. 苑森淼,程晓青.  计算机学报. 2000(08)



本文编号：3222864