GBDT组合模型在股票预测中的应用 |
| |
引用本文: | 张潇,韦增欣,杨天山.GBDT组合模型在股票预测中的应用[J].海南师范大学学报(自然科学版),2018,31(1):73-80. |
| |
作者姓名: | 张潇 韦增欣 杨天山 |
| |
作者单位: | 广西大学数学与信息科学学院;南宁职业技术学院财经学院 |
| |
基金项目: | 国家自然科学基金( 11161003);中青年教师基础能力提升项目(2017 KY1017) |
| |
摘 要: | 采用贡献度与相关性分析(correlation analysis)相结合的办法从目前最常用的244种股票技术指标中提取最优技术指标,进而利用梯度提升树(GBDT)算法对股票的趋势进行预测.对由贡献度、相关性分析与GBDT算法构成的组合模型(简称GBDT组合模型)进行实证分析,首次将GBDT算法应用于沪深300股票的预测.对由不同算法构成的组合模型的预测精度也进行比较分析.实验结果表明,GBDT组合模型在预测精度上优于线性回归组合模型及随机森林组合模型.
|
本文献已被 CNKI 等数据库收录! |
| 点击此处可从《海南师范大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《海南师范大学学报(自然科学版)》下载免费的PDF全文 |
|