基于机器学习的股票趋势预测方法研究

基于机器学习的股票趋势预测方法研究

论文摘要

随着我国经济制度和保障体制的不断完善,越来越多的人投入到股票交易市场中,而在错综复杂的股票市场中,根据股价趋势选取最优股并采取适当的交易策略,是投资者和相关学者的讨论中亟待解决的问题,如何有效地对股票趋势进行预测成为研究领域的一个热门。根据上市公司的股票数据和变化情况,运用4种机器学习模型对股价进行预测,实验结果表明,各类模型可以提高预测的准确率,相较于K近邻、逻辑回归模型以及支持向量机模型,使用Tensorflow建立的模型各类评价指标上都表现出最好的预测结果。不同模型在结合金融投资特征适当调整之后,预测准确率有一定的提升。根据以上数据和分析,评价各种机器学习算法模型在股票趋势预测方面的效用。

论文目录

  • 1 相关技术和理论知识
  •   1.1 机器学习的基本方法
  •   1.2 基于Python预测股票价格的模型
  •     1.2.1 K近邻
  •     1.2.2 逻辑回归和支持向量机
  •     1.2.3 TensorFlow与Keras
  • 2 评价指标
  •   2.1 部分回归指标
  •   2.2 部分分类评价指标
  • 3 股票预测模型的构建
  • 4 预测模型的实现
  •   4.1 传统机器学习模型的实现
  •   4.2 TensorFlow的实现
  • 5 未来发展方向
  • 6 结语
  • 文章来源

    类型: 期刊论文

    作者: 黄敏健,刘钰萱

    关键词: 机器学习,股票预测

    来源: 现代盐化工 2019年05期

    年度: 2019

    分类: 工程科技Ⅰ辑,基础科学,经济与管理科学

    专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

    单位: 江西财经大学

    基金: 江西财经大学2019年度大学生实践创新训练计划项目(201910421102)

    分类号: F832.51;F224

    DOI: 10.19465/j.cnki.2095-9710.2019.05.031

    页码: 74-76

    总页数: 3

    文件大小: 2019K

    下载量: 565

    相关论文文献

    • [1].公共交通换乘客流量预测方法研究[J]. 科技创新与应用 2020(03)
    • [2].《学科交叉主题识别及预测方法研究》书讯[J]. 图书情报工作 2019(05)
    • [3].《学科交叉主题识别及预测方法研究》书讯[J]. 图书情报工作 2019(06)
    • [4].《学科交叉主题识别及预测方法研究》书讯[J]. 图书情报工作 2019(07)
    • [5].《学科交叉主题识别及预测方法研究》书讯[J]. 图书情报工作 2019(08)
    • [6].基于特征代理模型的复杂流场预测方法研究[J]. 弹箭与制导学报 2017(06)
    • [7].基于数据驱动的护理工作量预测方法研究进展[J]. 中国护理管理 2020(05)
    • [8].一种5G网络用户与流量预测方法研究[J]. 电信工程技术与标准化 2020(09)
    • [9].面向法律文书的量刑预测方法研究[J]. 中文信息学报 2020(03)
    • [10].融合机器学习算法和多因素的禽肉交易量预测方法研究[J]. 数据分析与知识发现 2020(07)
    • [11].机械设备运行故障预测方法研究[J]. 科技展望 2016(36)
    • [12].基于客户投诉信息的创新预测方法研究[J]. 移动通信 2017(08)
    • [13].基于神经网络的数据中心故障预测方法研究[J]. 智能计算机与应用 2020(05)
    • [14].基于机器学习的股票预测方法研究[J]. 现代计算机 2020(23)
    • [15].基于可公度性理论的干旱预测方法研究[J]. 灌溉排水学报 2020(02)
    • [16].基于客户特征的产品环境需求预测方法研究[J]. 机械设计与制造 2020(01)
    • [17].基于机器学习的光伏输出功率预测方法研究[J]. 计算机仿真 2020(04)
    • [18].基于卷积长短期记忆网络的NDVI预测方法研究[J]. 地理信息世界 2020(02)
    • [19].细胞核蛋白质磷酸化位点的预测方法研究[J]. 金陵科技学院学报 2020(02)
    • [20].基于机器学习的恐怖袭击事件后果预测方法研究[J]. 中国安全生产科学技术 2020(01)
    • [21].IP内通系统故障预测方法研究与应用[J]. 信息技术 2017(06)
    • [22].会计盈余的时间序列特性研究[J]. 纳税 2019(36)
    • [23].基于退化特征空间重构的多轴承健康寿命协同预测方法研究[J]. 科技风 2020(15)
    • [24].通信网络业务预测方法研究与分析[J]. 通信与信息技术 2017(02)
    • [25].考虑航线特征的机票价格预测方法研究[J]. 数据分析与知识发现 2020(Z1)
    • [26].铁路列车晚点时间预测方法研究[J]. 铁道运输与经济 2020(07)
    • [27].国产智能手机产量预测方法研究[J]. 中国管理信息化 2020(02)
    • [28].基于LSTM的中药生产设备故障预测方法研究[J]. 科学技术创新 2020(31)
    • [29].水库诱发地震活动特征及其预测方法研究[J]. 地震研究 2009(02)
    • [30].CPI和PPI年内走势研判与月度跟踪预测方法研究[J]. 价格理论与实践 2017(02)

    标签:;  ;  

    基于机器学习的股票趋势预测方法研究
    下载Doc文档

    猜你喜欢