改进的XGBoost模型在股票预测中的应用
王燕; 郭元凯
2019
Source Publication计算机工程与应用
ISSN1002-8331
Volume55Issue:20Pages:202-207
Abstract随着时代的不断进步,人民生活水平日益提高。在解决温饱问题之余,有了可供投资的余财。越来越多的人将目光转向股市投资,为股市发展提供了资金条件。然而在纷繁复杂的股票市场,如何寻找最优股成为亟待解决的问题。这不仅是投资者单方面的困惑,也是股票预测领域中学者们所关心的重点。通过网格搜索算法对XGBoost模型进行参数优化构建GS-XGBoost的金融预测模型,并将该模型运用于股票短期预测中。分别以中国平安、中国建筑、中国中车、科大讯飞和三一重工2005年4月至2018年12月28日的每日收盘价作为实验数据。通过实验对比,相较于XGBoost原模型、GBDT模型以及SVM模型,GS-XGBoost模型在MSE、RMSE与MAE三个评价指标上都表现出较好的预测结果。从而验证,GS-XGBoost金融预测模型在股票短期预测中具有更好的拟合性能。
Keyword网格搜索 梯度增强决策树(GBDT) 支持向量机(SVM) 股价预测
Indexed ByCSCD
Language中文
WOS Research AreaAutomation & Control Systems
WOS SubjectAUTOMATION CONTROL SYSTEMS
CSCD IDCSCD:6582608
Document Type期刊论文
Identifierhttp://ir.lut.edu.cn/handle/2XXMBERH/75294
Collection计算机与通信学院
Affiliation兰州理工大学计算机与通信学院, 兰州, 甘肃 730050, 中国
First Author AffilicationColl Comp & Commun
First Signature AffilicationColl Comp & Commun
Recommended Citation
GB/T 7714
王燕,郭元凯. 改进的XGBoost模型在股票预测中的应用[J]. 计算机工程与应用,2019,55(20):202-207.
APA 王燕,&郭元凯.(2019).改进的XGBoost模型在股票预测中的应用.计算机工程与应用,55(20),202-207.
MLA 王燕,et al."改进的XGBoost模型在股票预测中的应用".计算机工程与应用 55.20(2019):202-207.
Files in This Item:
There are no files associated with this item.
Related Services
Usage statistics
Google Scholar
Similar articles in Google Scholar
[王燕]'s Articles
[郭元凯]'s Articles
Baidu academic
Similar articles in Baidu academic
[王燕]'s Articles
[郭元凯]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[王燕]'s Articles
[郭元凯]'s Articles
Terms of Use
No data!
Social Bookmark/Share
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.