评估股票价格走势预测的多分类器

评估股票价格走势预测的多分类器(中文16800字,英文PDF)
关键词：集成方法 单分类器 基准 股价走势预测
摘要
股票价格走势预测是金融领域的一个重要问题。即使是预测性能上的微小改进也能带来丰厚的利润,本文的目的是针对单分类器模型对集成方法进行基准测试
(随机森林、AdaBoost和核心工厂) (神经网络、逻辑回归、支持向量机和k最近邻居)。我们收集了5767家欧洲上市公司的数据，并利用接收方经营特征曲线(AUC)下的面积作为业绩衡量指标。我们的预测超前一年。结果表明，随机森林算法是最优算法，其次是支持向量机算法、核工厂算法、AdaBoost算法、神经网络算法、k近邻算法和逻辑回归算法。这项研究对文献的贡献在于，据我们所知，它是第一个做出如此广泛的基准的研究。研究结果清楚地表明，股票价格方向预测领域的新研究应该在其算法集中包含集合。我们广泛的文献综述清楚地表明，目前情况并非如此。