基于改进随机森林算法的股票趋势预测

• 作者: 方昕 曹海燕 李旭东 潘鹏
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 股票趋势预测 技术指标 特征选择 改进的随机森林算法
• 年，卷（期）: 2019,（2）
• 页码范围: 22-27
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2019.02.005

摘要

针对目前股票趋势预测中随机森林算法无法对特征进行选择问题,提出一种离散二进制粒子群算法与随机森林算法相结合的混合算法.计算不同的技术指标作为输入特征,每一个特征都有4个不同时间跨度:3,5,10,15天,然后用离散二进制粒子群算法对特征进行优化选择.采用苹果公司、亚马逊公司、微软公司的股票历史数据进行仿真实验,实验结果与随机森林算法相比,准确率显著提高,苹果公司股票趋势预测的准确率达到93.0％,亚马逊公司达到90.5％,微软公司达到90.4％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	方昕	杭州电子科技大学通信工程学院	24	67	5.0	7.0
2	曹海燕	杭州电子科技大学通信工程学院	35	82	5.0	7.0
3	潘鹏	杭州电子科技大学通信工程学院	20	49	4.0	6.0
4	李旭东	杭州电子科技大学通信工程学院	3	32	3.0	3.0