一种基于多粒度级联森林的股票走势预测方法

摘要

本申请涉及一种基于多粒度级联森林的股票走势预测方法，包括：通过yfinance获取股票数据，使用指数平滑方法对初始数据进行处理，计算技术指标作为待选的特征，并经过决策树的特征重要性筛选过程，得到对模型强有效的特征集合，并以此作为多粒度级联森林模型的输入，经过网格搜索进行参数寻优，对股价的走势进行预测。本方法采用集成学习框架，结合了神经网络逐层处理、特征转换的特点，充分考虑了股票数据的时间序列特点以进行数据指数平滑处理，结合技术指标提取更有效的特征数据并对数据进行特征重要性筛选，筛选所用的决策树与模型训练所用的多粒度级联森林更贴合，经过这些处理过程，模型的稳定性、准确率都有提升，最终提高了股票走势预测的准确性。