基于集成算法的股票指数预测

• 作者: 孙德山 王玥
• 来源期刊: 经济数学
• 学科: 工学
• 关键词: 股票指数 袋装法 提升算法 随机森林
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 金融工程
• 页码范围: 28-30
• 页数: 3页
• 分类号: TP312
• 字数: 1898字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1660.2018.04.006

摘要

利用集成算法中的Bagging、Boosting和Random Forest三个方法,选取股票指数中的中小板指数、深证成指数、上证指数、创业板指数4组数据进行分析,得出Random Forest对上证指数、中小板指预测结果较好;Boosting对创业板指预测结果较好;Bagging对深证成指预测较好.并在4个板指中,随机选取了4支股票数据(分别为大连重工、中南建设、中国医药、东方国信)进行分析,得出集成算法在数据为200个的情况下,预测结果较为准确,其中不同方法对不同股票的适宜程度有所不同.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙德山	辽宁师范大学数学学院	66	560	13.0	21.0
2	王玥	辽宁师范大学数学学院	13	14	2.0	3.0