改进的XGBoost模型在股票预测中的应用

发布时间：2021-01-08 18:57

　　随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面的困惑,也是股票预测领域中学者们所关心的重点。通过网格搜索算法对XGBoost模型进行参数优化构建GS-XGBoost的金融预测模型,并将该模型运用于股票短期预测中。分别以中国平安、中国建筑、中国中车、科大讯飞和三一重工2005年4月至2018年12月28日的每日收盘价作为实验数据。通过实验对比,相较于XGBoost原模型、GBDT模型以及SVM模型,GS-XGBoost模型在MSE、RMSE与MAE三个评价指标上都表现出较好的预测结果。从而验证,GS-XGBoost金融预测模型在股票短期预测中具有更好的拟合性能。 

【文章来源】：计算机工程与应用. 2019,55(20)北大核心

【文章页数】：6 页

【部分图文】：

目标函数评价决策树性能的示例

中国平安收盘价涨跌图

可以看出XGBoost模型在预测中的均51015202530时间序列数据

【参考文献】：
期刊论文
[1]GBDT组合模型在股票预测中的应用[J]. 张潇,韦增欣,杨天山.  海南师范大学学报(自然科学版). 2018(01)



本文编号：2965124