机器学习方法在股指涨跌预测中的应用研究
2020-01-10
新营销 2019年9期
(东华大学旭日工商管理学院 上海 200050)
一、引言
在预测金融时间序列的问题中,关于股票价格指数的预测得到了诸多学者的关注。股票指数不仅反映整个市场的价格趋势和变动情况,还能反映国民经济整体发展形势,同时也对投资者投资决策具有重要的参考价值,是灵敏反映市场社会、政治、经济变化情况的晴雨表。因此,预测股票指数具有重要意义。但由于市场受到诸多因素的影响,股指的不确定性增加,预测股票指数走势成为最具挑战性的金融时间序列预测问题之一。
与传统的统计方法相比,机器学习在分类和预测等问题上的优势日益凸显。将机器学习方法应用在股票价格的预测上逐渐成为国内外学者研究的热点。Yakup Kara(2011)[1]等基于人工神经网络(ANN)和支持向量机(SVM)预测了指数的走势,他们选择多项技术指标作为模型的输入,对模型进行调参后,ANN模型与SVM模型的准确率均超过了70%,且ANN模型的平均预测能力明显优于SVM模型。Jigar Patel等(2015)[2]讨论了预测印度股票市场单个股票和股指的走势问题,他们研究比较了ANN、SVM、随机森林与朴素贝叶斯这4种预测模型,结果发现,当输入指标为连续值时,随机森林在整体性能上优于其他3种预测模型。不仅如此,他们还发现,当输入指标为趋势确定性数据时,所有模型的预测准确率都得到了改善。冉杨帆等(2018)[3]则结合了情感分析与机器学习方法,以股票的舆论新闻数据为基础,运用BP神经网络与支持向量机回归(SVR)两种方法,对20只股票的价格进行了预测,结果表明,SVR模型的预测正确率更高。……
登录APP查看全文
