GBDT组合模型在股票预测中的应用

• 作者: 张潇 杨天山 韦增欣
• 来源期刊: 海南师范大学学报（自然科学版）
• 学科: 工学
• 关键词: GBDT 股票预测 相关性分析 贡献度 股票技术指标
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 数学
• 页码范围: 73-80
• 页数: 8页
• 分类号: TP399|F830.59
• 字数: 5533字
• 语种: 中文
• DOI: 10.12051/j.issn.1674-4942.2018.01.013

摘要

采用贡献度与相关性分析(correlation analysis)相结合的办法从目前最常用的244种股票技术指标中提取最优技术指标,进而利用梯度提升树(GBDT)算法对股票的趋势进行预测.对由贡献度、相关性分析与GBDT算法构成的组合模型(简称GBDT组合模型)进行实证分析,首次将GBDT算法应用于沪深300股票的预测.对由不同算法构成的组合模型的预测精度也进行比较分析.实验结果表明,GBDT组合模型在预测精度上优于线性回归组合模型及随机森林组合模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韦增欣	广西大学数学与信息科学学院	115	449	10.0	14.0
2	杨天山	南宁职业技术学院财经学院	9	16	2.0	4.0
3	张潇	广西大学数学与信息科学学院	3	19	2.0	3.0