机器学习方法在股指涨跌预测中的应用研究

摘要

随着大数据时代的到来,相对于传统数据处理方法,机器学习的优势日益凸显.尤其是在人工智能领域取得了巨大的成就后,学者和业界都掀起了机器学习的热潮.针对股票交易速度快、 交易频繁以及交易量大等特征,本文利用机器学习方法构建了股指预测模型,以沪深300指数日频数据为研究对象,以其开盘价、 最高价、 最低价、 收盘价、成交量为基础,建立10个技术面指标作为输入特征,下一交易日股指价格变动方向作为输出特征,对比分析了SVM、 随机森林和XGBoost3个机器学习方法对股指价格变动方向的预测能力.研究表明,三种机器学习方法均具有良好的预测效果,且XGBoost模型的预测性能优于SVM模型和随机森林.