典型文献
基于随机森林的沪深300预测研究
文献摘要：
由于股票市场价格趋势的复杂性和动态性,多年来一直是研究人员感兴趣的领域.股市的内在波动性使得预测的任务颇具挑战性.作者提出将预测问题作为机器学习分类问题来处理,并希望探究技术指标和机器学习共同作用的效果.文章使用了26个技术指标作为因子进行输入,使用随机森林分类算法来预测股票指数的次日涨跌,阈值选用0.5,即在预测概率大于0.5时,在次交易日的开盘价买入,收盘价卖出,并创新性地采用一日一训练的方法进行预测,即按照今日的实际涨跌数据,投入下一轮训练,得出次交易日的预测数据,以此类推,改变了过往只预测一次造成准确率虚高假象,一日一训练也更接近实际投资做法,结果综合预计AUC为0.52.
文献关键词：
随机森林;股指预测;技术指标;机器学习
中图分类号：
作者姓名：
李岩
作者机构：
中国人民大学
文献出处：
引用格式：
[1]李岩-.基于随机森林的沪深300预测研究)[J].品牌研究,2022(02):108-110
A类：
B类：
预测研究,股票市场价格,价格趋势,感兴趣,股市,波动性,颇具,分类问题,技术指标,随机森林分类,分类算法,股票指数,次日,涨跌,交易日,开盘价,买入,收盘价,卖出,一日,今日,轮训,预测数据,以此类推,过往,虚高,假象,股指预测
AB值：
0.474072
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
