基于财务指标的股价涨跌预测模型

• 作者: 刘新月 程希明
• 来源期刊: 北京信息科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据挖掘 财务指标 测试集划分 机器学习算法 股价预测
• 年，卷（期）: 2022,（1）
• 页码范围: 96-100
• 页数: 5页
• 分类号: TP181|F830.91|F832.51
• 语种: 中文
• DOI: 10.16508/j.cnki.11-5866/n.2022.01.016

摘要

针对创业板短期股票价格涨跌趋势的预测问题,提出了利用财务指标进行分析的股价涨跌预测模型.通过分析股票市场的影响因素,确定了由6类财务指标构建的特征变量体系;为消除特征变量之间的共线性,对特征变量应用递归特征消除法、主成分分析法等进行降维;改进测试集选取方法,选用与训练集具有相同季节特征的数据作为测试集,以消除季节性影响;选取随机森林、支持向量机、岭回归3种机器学习算法建立数学模型进行对比分析.结果显示,主成分分析与支持向量机的组合模型表现最好,其评价指标中测试集精确度为0.771 812,表现较好;其KS指标在训练集和测试集上的差值为0.002 45,低于其他模型,表明该模型对创业板股票数据的适配性最高.