基于改进AdaBoost算法的选股模型

摘要

cqvip:随着改革开放后国民经济的迅速增长,股票市场也日渐繁荣,因此量化投资交易技术也愈发受到重视。利用AdaBoost算法的选股模型虽然能够很好地达到预期效果,但是由于AdaBoost算法对异常值较为敏感,并且子分类器的决策结果权重对于最终结果有较大的影响,所以本文提出新的判决式特征选择机制以在训练阶段提高子分类器的鲁棒性,并且利用新的投票决策机制,结合了子分类器自身的精度和特征属性权重信息,使得算法整体结果得到提升。实验对比了SVM算法和传统的AdaBoost算法,结果表明所提出的改进AdaBoost选股模型有很好的效果。