基于改进的随机森林算法股票收益率预测研究

• 作者: 方昕 曹海燕 陈玲玲
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 粒子群 随机森林 股票收益率 特征选择
• 年，卷（期）: 2020,（1）
• 页码范围: 35-40
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.13954/j.cnki.hdu.2020.01.007

摘要

随机森林算法在股票收益率分类预测中是个有效的机器学习算法,准确度高,但存在参数寻优缺陷和特征选择困难等问题.为此,在传统随机森林算法的基础上,将特征选择粒子群算法和参数网格搜索算法相结合,提出一种新算法———粒子群参数网格搜索的随机森林算法.用粒子群算法对输入数据进行特征选择,通过剔除冗余特征来降低输入数据维度,并引入网格搜索算法来优化随机森林的一些参数,不仅降低了随机森林算法的计算复杂度,且提高了随机森林的分类预测准确度.文章采用沪深300和中证500股票历史数据进行仿真,相比随机森林算法和网格算法优化的随机森林算法,改进的新算法其分类精确度显著提高,沪深300预测准确率达到86.3％,中证500预测准确率达到87.6％.

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	陈玲玲	杭州电子科技大学通信工程学院	1	1	1.0	1.0