基于集成学习的股票指数预测方法

• 作者: 于忠清 周强 孟叶
• 来源期刊: 现代电子技术
• 关键词: 股指预测 集成学习 模型聚合 机器学习 分类器 指数行情
• 年，卷（期）: 2019,（19）
• 所属期刊栏目: 测控与自动化技术
• 页码范围: 115-118
• 页数: 4页
• 分类号: TN911-34|C32
• 语种: 中文
• DOI: 10.16652/j.issn.1004-373x.2019.19.027

摘要

股票价格指数是衡量整个股票市场当前行情的重要指标,通常对指数内所有个股的涨跌幅进行加权平均得到,因此股票指数能够及时准确地反映当前市场的动向走势.对沪深300指数的历史行情数据进行建模,通过挖掘大盘指数的涨跌幅与个股的涨跌比之间的关系,利用聚类算法确定对市场影响较大的指数涨跌幅集合G,将其作为研究关键.运用集成学习的算法思想,选取K-近邻、梯度提升和自适应提升这3个分类器,通过改进的投票算法聚合成一个新的分类器模型,对指数行情数据进行学习分类,从而对G的出现进行预测,改进的投票算法综合考虑了弱分类器本身的分类效果,分类效果得到提升.实验结果表明,与原模型相比,新聚合的模型在一定程度上提升了股指预测的准确度,对于沪深300股指的预测具有指导作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于忠清	青岛大学数据科学与软件工程学院	25	151	6.0	11.0
2	孟叶	青岛大学数据科学与软件工程学院	2	9	1.0	2.0
3	周强	青岛大学数据科学与软件工程学院	11	35	3.0	5.0