任民宏， 肖海蓉

(陕西理工学院 数学与计算机科学学院， 陕西 汉中 723000)

基于朴素贝叶斯分类算法的股指预测研究

任民宏， 肖海蓉

(陕西理工学院 数学与计算机科学学院， 陕西 汉中 723000)

预测大盘指数的涨跌幅度在股票投资中具有重要的意义。大盘指数的涨跌既与国家的宏观经济政策有关，也与大盘指数自身运行状态有关。结合朴素贝叶斯分类算法和股票大盘指数涨跌的影响因素建立了大盘指数分类预测模型，以上证指数为例进行了实验，结果表明分类预测模型有效，准确性较高。

朴素贝叶斯分类算法； 大盘指数； 预测模型

0 引 言

股市是一个高风险高收益的投资场所，如何能正确预测大盘指数的涨跌幅度，帮助投资者减少风险、提高收益，这个问题一直以来倍受人们的关注。

大盘指数是对股票价格的反映，影响股票价格的因素既与整个社会经济环境和国家的宏观经济政策有关，也与自身运行状态有关，甚至投资者的心理因素也影响股市，而且这些因素以非常复杂的方式相互影响。因而预测大盘指数的涨跌幅度通常是比较困难的。近年来，随着人工智能尤其是专家系统的发展，人工神经网络被用来预测大盘指数和股票价格，这能有效解决股市预测的困难，但是人工神经网络容易受到网络的权重初始化不合理而影响预测的速度和准确性，不能考虑社会经济环境和国家的宏观经济政策对股市的影响。

本文综合考虑影响股票价格的主要因素，建立了基于朴素贝叶斯分类算法的大盘指数分类预测模型。……