基于Cart决策树与boosting方法的股票预测

论文摘要

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。

论文目录

• 0 引 言
• 1 股票预测模型
•   1.1 决策树基本原理
•   1.2 Boosting方法优化决策树
•   1.3 Cart树和boosting方法结合用于股票预测
• 2 数据特征的选择及预测领域
•   2.1 选择分析
•   2.2 预测领域分析
• 3 预测实验及结果分析
•   3.1 数据来源及评价标准
•   3.2 实 验
•     3.2.1 五特征Cart决策树实验
•     3.2.2 五特征Cart树结合boosting算法实验
•     3.2.3 七特征Cart树结合boosting算法实验
•   3.3 实验结果比较
• 4 结 论

文章来源

类型: 期刊论文

作者: 王禹,陈德运,唐远新

关键词: 股票预测,算法

来源: 哈尔滨理工大学学报 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,经济与管理科学

专业: 金融,证券,投资

单位: 哈尔滨理工大学计算机科学与技术学院

基金: 国家自然科学基金(69572153,60972127)

分类号: F832.51

DOI: 10.15938/j.jhust.2019.06.015

页码: 98-103

总页数: 6

文件大小: 490K

下载量: 649