鲍志，姚宏亮，方帅，杨静，俞奎

（合肥工业大学计算机与信息学院，安徽 合肥 230601）

0 引言

股票市场是一个非线性、不稳定的动态系统，导致股市趋势预测成为机器学习领域的一个研究难点。同时，股市波动具有内在规律，且产生了大量的数据，利用数据技术研究股市趋势具有可行性。

目前，关于股市趋势预测的主要研究工作有：文献［1］采用时间序列分析方法训练自回归综合移动平均（ARIMA）、Facebook Prophet 和指数平滑（ETS）模型以预测股市趋势；文献［2］基于深度学习方法训练长短期记忆（LSTM）模型，由于训练特征单一，其模型适应力弱；文献［3］选取多种重要特征，利用随机森林技术预测股市趋势，其预测效果有明显提升；文献［4］将多种技术指标和情绪指标进行融合，以提升预测算法的适应性；文献［5］将基于LSTM 的单变量和多变量模型与文本分析模型相结合，进一步提升了预测算法的适应力，但其股市趋势预测具有明显的滞后性。综上，当前主要的股市趋势预测方法对于股市趋势变化的预测具有滞后性，且预测方法的适应性大多达不到实用性要求。

股市有慢变量和快变量，相对于由每日组成的走势而言，每小时形成的走势是快变量。有研究人员从快慢变量的角度研究股市趋势，如：文献［6］在常用慢变量训练集中加入部分快变量数据，训练出的6 种机器学习模型预测效果有所改善；文献［7］采用回归算法在不同周期的移动平均线上训练，通过预测未来的均线结构判断股市趋势，以提高对于股市趋势预测的灵敏性；……