基于XGBoost的混合模型在股票预测中的应用研究

目录

声明

第1章 绪 论

1.1课题背景与意义

1.2国内外研究现状

1.3主要研究内容

第2章 相关概念与理论基础

2.1股票预测分析基本理论

2.1.1股票预测的理论基础

2.1.2股票预测面临的问题

2.2集成学习算法

2.2.1决策树原理

2.2.2 CART原理

2.2.3 GBDT原理

2.2.4 XGBoost原理

2.3时间序列模型

2.3.1自回归模型（AR）

2.3.2移动平均模型（MA）

2.3.3自回归移动平均模型（ARMA）

2.3.4差分整合移动平均自回归模型（ARIMA）

2.4离散小波变换

2.5网格搜索算法

2.6本章小结

第3章 基于GS-XGBoost模型的股票预测研究

3.1引言

3.2 GS-XGBoost模型的构建

3.2.1 GS-XGBoost模型

3.2.2 GS-XGBoost模型流程图

3.3实验结果及分析

3.3.1 实验评价指标

3.3.2 实验数据

3.3.3 XGBoost模型实验结果分析

3.3.4 GS-XGBoost模型实验结果分析

3.3.5 实验结果对比分析

3.4本章小结

第4章基于DWT-GS-XGBoost模型的股票预测研究

4.1引言

4.2 DWT-GS-XGBoost模型的构建

4.2.1 DWT-GS-XGBoost模型

4.2.2 DWT-GS-XGBoost模型流程图

4.3实验结果与分析

4.3.1 实验数据

4.3.2 离散小波变换实验分析

4.3.3 DWT-GS-XGBoost模型实验分析

4.3.4 模型实验对比分析

4.4本章小结

第5章 基于DWT-ARIMA-GSXGB模型的股票预测研究

5.1引言

5.2 DWT-ARIMA-GSXGB模型的构建

5.2.1 DWT-ARIMA-GSXGB模型

5.2.2 DWT-ARIMA-GSXGB模型流程图

5.3.1 实验数据

5.3.2 实验评价指标

5.3.3 DWT-ARIMA-GSXGB模型实验结果对比与分析

5.4 本章小结

总结与展望

参考文献

致谢

附录A 攻读硕士学位期间发表的学术论文