基于随机森林的股票市场价格走向预测

基于随机森林的股票市场价格走向预测(中文10000字,英文PDF)

摘要
股票市场价格走势预测由于其复杂性和动态性，多年来一直是研究人员感兴趣的领域。全球股市的内在波动使得预测任务具有挑战性。尽管有效的预测和扩散模型不能解决预测中遇到的各种各样的问题，无论是短期的还是其他的。市场风险与预测误差具有很强的相关性，需要将其最小化，以确保投资风险最小化。本文提出将预测问题作为分类问题来处理，使预测误差最小化，分类问题是机器学习中常用的一套算法。在本文中，我们提出了一种新的方法来最小化投资股票市场的风险，通过预测股票的回报使用一类强大的机器学习算法称为集成学习。采用相对强度指数（RSI）、随机振荡器等技术指标作为训练模型的输入。所使用的学习模型是一个多决策树的集合。结果表明，该算法优于已有的算法。

关键词：随机森林分类器，股票价格预测，指数平滑，特征提取，OOB误差和收敛
 
目录
1 绪论    3
2 相关工作    3
3 方法分析    5
3.1数据预处理    5
3.2特征提取    5
3.3线性可分性检验    7
3.4关键定义    8
3.5随机森林    8
4 跟踪随机森林算法    9
4.1图形描述语言    10
4.2跟踪输出    10
5 OOB误差与随机森林的收敛性    12
5.1分析探索随机森林算法    13
5.2 OOB错误可视化    14
6 结果分析    15
6.1 接收器工作特性    16
7 结果分析    18
7.1 实验结果    20
8 参考文献    21