机器学习模型在股票价格时间序列分析中的应用与比较

• 作者: 李超
• 来源期刊: 电子世界
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 探索与观察
• 页码范围: 66-70
• 页数: 5页
• 语种: 中文

摘要

股票市场是国度经济的主要表现,股价的走势是股票投资者存眷的核心问题.由于股票价格固有的噪声环境和相对市场趋势的较大波动性,股价的拟合和预测是一个具有挑战性的问题.本文使用了随机森林、GBDT算法、神经网络、SVM等模型对股票价格时间序列进行了拟合.通过对上证A股贵州茅台(600519)数据的预处理、拟合、验证、调参全流程的分析,获得并展示了最终模型的效果.实验结果表明,使用梯度提升随机树(GBDT),股价拟合结果的预测误差最小.相对于随机森林和神经网络模型,GBDT算法在本文的股价预测任务中表现得更加稳定可靠.