基于机器学习技术的股票投资研究

发布时间：2022-01-23 20:49

　　改革开放四十周年以来,人民生活水平随着经济的发展不断提高,人们对于财富积累及增长的需求越来越迫切,伴随着金融市场的蓬勃发展,人们文化水平的提高,股票投资成了一种备受欢迎的财富增长方式。但如今金融市场不断壮大,信息量巨大,信息来源渠道多种多样,显然依靠传统人工分析预测股票的投资方式不能满足投资者对于收益和时效性的要求,投资者更加倾向于寻找高收益、高回报的产品进行投资,但同时又希望可以将投资风险降至最低。因此投资策略的选择以及依靠技术手段进行股票投资变得至关重要。近几年随着人工智能的崛起,机器学习作为人工智能的核心领域得到进一步完善,尤其是机器学习算法在计算机视觉、语音识别、专家系统等领域的巨大成功,使得人们同样期待金融领域也能通过机器学习方法提高行情预测表现。本文主要探讨在投资过程中如何选择更加合适的投资策略,以及机器学习在股票量化投资领域中的应用。本文主要应用CART算法,根据已确定的量化投资策略进行特征因子的选择,然后构建预测模型,最后与传统模型结果进行对比,可以很容易的发现基于决策树构建的模型结果要明显优于传统模型结果,证明基于决策树构建的模型预测能力更强,能够更有效的选出优质股票... 

【文章来源】：对外经济贸易大学北京市 211工程院校 教育部直属院校

【文章页数】：47 页

【学位级别】：硕士

【部分图文】：

递归分类算法从图3.1中可以总结出递归需要满足几个条件：1）有反复执行的过程，即反复调用自身的过程，即将问题分解为若干个小规模、形式与原问题相似的子问

树的结构示意图

决策树的生成

【参考文献】：
期刊论文
[1]随机森林在量化选股中的应用研究[J]. 王淑燕,曹正凤,陈铭芷.  运筹与管理. 2016(03)
[2]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌.  首都经济贸易大学学报. 2014(02)
[3]浅谈价值成长投资策略在中国股市的适用性[J]. 陈光兴,张一明.  经营管理者. 2010(24)

硕士论文
[1]随机森林在技术指标量化选股中的应用[D]. 吴卫星.电子科技大学 2018



本文编号：3605125