4种数据挖掘典型分类方法在股票预测中的性能分析

• 作者: 张文俊 张永进
• 来源期刊: 安徽工业大学学报（自然科学版）
• 关键词: 数据挖掘 股票分类 量化投资 分类器
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 数学与经管
• 页码范围: 97-102
• 页数: 6页
• 分类号: O29
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7872.2017.01.017

摘要

运用K-近邻、朴素贝叶斯、决策树、支持向量机这4种数据挖掘算法,基于2015-04-01—2016-03-31A股市场所有股票日交易数据,计算10个具有代表性的传统技术分析指标,抽取合适样本,结合实际投资需求,构建4个股票强涨跌分类器.对样本数据进行测试,结果表明K-近邻具有较高的分类正确率,支持向量机具有较高的击中率.综合来看,K-近邻和支持向量机更适合于实际投资.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张永进	安徽工业大学数理科学与工程学院	27	74	5.0	7.0
2	张文俊	安徽工业大学数理科学与工程学院	1	7	1.0	1.0