研究分享:用随机森林预测股价走势

【Python】随机森林预测 建立多个决策树并将他们融合起来得到一个更加准确和稳定的模型,是bagging 思想和随机选择特征的结合。随机森林构造了多个决策树,当需要对某个样本进行预测时,统计森林中的每棵树对该样本的预测结果,然后通过投票法从这些预测结果中选出最后的结果。1. 随机取特征2. 随机取样本,让森林中的每棵树既有相似性又有差异性通过随机森林模型的预测,可以发现所预测数据和真实的数据很接近,并且得分较高。 阅读详情

机器学习已经广泛地应用在对于资产市场的分析中,在量化投资中尤为显著。但是,在浩如烟海的机器学习算法中,到底哪种算法能取得更优的预测效果呢?发表在《Applied Mathematical Finance》的这篇文章利用随机森林算法对股价d天之后的涨跌方向进行了预测。发现相比于SVM、线性判别分析等模型,随机森林可以取得更优秀的预测结果:能够达到85%-95%的准确率。

摘要

为了最小化预测误差,文章将预测股价的走势看做一个二分类问题(涨or跌),使用集成机器学习建模解决。文章里利用RSI(相对强弱指数)、KD随机指标、MACD等6个常用的技术指标作为分类的特征,对随机森林模型进行训练。最后发现,模型中决策树个数增加,模型准确率增加并有收敛趋势;并且,预测的时间窗口越长,模型越准确。

随机森林简介

在正式进入文章前,先对随机森林算法给出简单的介绍。

随机森林算法是一种非线性模型,顾名思义,是将多个决策树集成为森林的一种模型。理解随机森林的关键有两点:随机抽样和多数投票。

首先,对于每一个决策树,从全样本集中有放回地随机抽取训练集。本文决策树分类的标准是特征矩阵X里面的技术指标,一直利用技术指标分类直到基尼不纯度很小达到要求。

这些决策树独立预测,然后对每个决策树预测的结果进行投票,票数最多的成为随机森林的预测结果。这样避免了单个决策树的过拟合。

由于随机抽样,每个决策树使用的都不是全样本(大约只有 2 3 \frac{2}{3} 32​的样本被抽到),没有被抽到的样本是这个决策树的非样本集(袋外样本 Out of Bag Sample)。对于所有决策树产生的袋外样本,对每个样本,计算它作为oob样本的树对它的分类情况(约 1 3 \frac{1}{3} 31​的树),然后以简单多数投票作为该样本的分类结果,最后用误分个数占样本总数的比率作为随机森林的OOB误分率。所以,OOB偏差越小,说明误分类的比例越低,随机森林分类越准。

研究思路

在这里插入图片描述
数据收集 - 指数平滑处理 - 特征提取 - 随机森林集成学习 - 股票市场预测

研究内容

1. 数据收集与预处理

作者收集了Apple,三星和GE的共7000个左右交易日股价走势数据,分别预测了30天、60天、90天后的股票走势。
为了去除历史数据中的噪音,

【项目实战】基于随机森林算法的房屋价格预测模型 善战者不怒,善胜者不争,善思者不语,善柔者不辩。木秀于林,风必摧之 阅读详情

相关推荐

随机森林(Random Forest)预测模型及其特征分析(Python和MATLAB实现)

在随机森林中,有多个超参数可以调节,如树的数量(`n_estimators`)、最大深度(`max_depth`)、每次分裂考虑的特征数量(`max_features`)等。例如,在医疗行业中,随机森林可以用来预测疾病的发生,分析患者的病史、年龄、性别等特征,帮助医生做出更精准的诊断。3. **投票机制**:在分类问题中,每棵树会给出一个类别的预测,最终模型的预测结果是所有树预测结果的“投票”结果。2. **随机特征选择**:在每次树的分裂时,不是考虑所有特征,而是随机选择一定数量的特征进行比较。

qq_45441438的博客 5236

期权市场“聪明钱“追踪指南:一个量化团队的实战分享

今天给大家分享我们团队开发的期权流预测系统,这个系统能够通过分析机构在期权市场的动向,捕捉到53.4个基点的日收益。本文将分享如何用机器学习技术解码期权数据,构建完整的预测框架,并给出当前市场的具体机会分析。

weixin_70955880的博客 927

AI量化交易(一)——从零构建你的第一个策略模型

本文为零基础读者提供了一份构建首个AI量化交易策略的完整入门指南。文章详细介绍了如何利用Python搭建开发环境,通过akshare获取A股数据,构建价格动量与量价关系等智能因子,并使用随机森林模型训练预测买卖信号。最后通过简易回测验证策略效果,帮助读者快速理解AI量化交易的核心流程与实践方法。

weixin_28396629的博客 369

数学建模实战指南:从核心流程到常见模型应用

数学建模是一种将现实世界复杂问题转化为可计算数学形式的核心方法,其本质在于通过抽象与简化,构建连接问题与解决方案的桥梁。从原理上看,它遵循从问题识别、模型建立、求解分析到验证应用的系统化流程,其技术价值在于为决策提供量化依据与优化方案。在工程实践与科学研究中,数学建模广泛应用于资源调度、趋势预测、风险评估等场景。其中,优化模型通过线性规划或遗传算法寻找最优解,预测模型则利用时间序列分析或机器学习进行趋势推断。本文聚焦于数学建模的完整工作流与典型模型,旨在帮助读者掌握这一解决实际问题的关键技能。

weixin_30326515的博客 306

投资股票和股票市场的基本原理

作者:禅与计算机程序设计艺术 1.简介 概述 随着科技的飞速发展、信息化的普及和电子支付的兴起,个人通过网络购买、消费的能力也越来越强。但是资本市场上,却依然存在着巨大的风险,投资者不得不面临各种风险。如波动性过高、公司经营状况不佳、股价下跌导致亏损等。因此,对于普通投

AI天才研究院 804

【通信协议】I2C总线(一主多从)

I2C总线(一主多从)之软件模拟代码详解

m0_75090944的博客 9853

【AIOPS实战】Dify+Zabbix:构建智能告警分析助手的核心架构与实现

本文详细介绍了如何利用Dify平台与Zabbix-MCP接口构建智能告警分析助手,实现自然语言查询告警、智能分析和报告生成。该系统通过AIOPS技术显著提升运维效率,支持中英文混合查询、自动根因分析,并内置多种优化方案确保稳定可靠。

weixin_29238147的博客 319

用Cadence IC618和TSMC 180nm工艺,从零仿真一个2.4GHz双平衡吉尔伯特混频器

本文详细介绍了使用Cadence IC618和TSMC 180nm工艺从零开始仿真2.4GHz双平衡吉尔伯特混频器的完整流程。涵盖设计环境搭建、原理图设计、仿真配置、性能验证及版图设计等关键步骤,特别适合射频集成电路设计的学习者和实践者参考。通过实操技巧与工艺库结合的工程实践,帮助读者掌握混频器设计的核心技术。

weixin_30328063的博客 555

技术文档的语言表达:简洁、准确与易懂的平衡艺术

技术文档的语言表达不仅要简洁、准确,还需要能够打破技术壁垒,使不同背景的读者都能理解。这是一项需要技巧和经验的工作,它要求技术作者既要具备扎实的专业知识,又要具备清晰的表达能力。通过不断打磨语言的简洁性、准确性和易懂性,我们能够创造出一份高质量的技术文档,让知识的传递不再受限于语言的障碍。

人心有反复,好在山水有重逢。 4680

基于若依的ruoyi-nbcio-plus支持VForm3表单字段数据保存到数据库的一种方法——全网首创(三)

基于若依的ruoyi-nbcio-plus支持VForm3表单字段数据保存到数据库的一种方法——全网首创(三)

宁波阿成的博客 526

极智嘉嵌入式面试题及参考答案

IIC(Inter-Integrated Circuit)即集成电路总线,是一种由 PHILIPS 公司开发的两线式串行总线,用于连接微控制器及其外围设备。它仅使用两根线,即串行数据线 SDA 和串行时钟线 SCL,就能实现多个设备之间的通信,具有简单、高效、占用资源少等优点,广泛应用于各种嵌入式系统中。

大模型大数据攻城狮的专栏 922

SAP Gateway Foundation OData V4 服务管理深度解析,从 Service Repository 到 Service Group 的完整运行逻辑

本文解析了SAP S/4HANA中OData V4 API的技术架构,重点阐述Service Repository、Service与Service Group的三层管理体系。以SalesOrder和PurchaseOrder API为例,说明不同服务可能属于特定repository(如srvd_a2x)而非默认DEFAULT库。Service Group作为业务模型组合单元,支持跨服务引用和统一配置,其发布状态直接影响服务可用性。文中对比了后台管理事务/IWBEP/V4_ADMIN与网关端/IWFND/V4

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 93

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

上一篇: AI企业宽邦科技求贤令-BigQuant(内推送iPhone 12)
下一篇: WorldQuant 101 Alpha因子构建及因子测试
BigQuant
博客等级 码龄8年 971粉丝 116原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值