基于XGBoost算法的上證指數(shù)預(yù)測方案設(shè)計(jì)研究.pdf

1、數(shù)據(jù)挖掘技術(shù)產(chǎn)生于20世紀(jì)80年代后期，90年代有了突飛猛進(jìn)的發(fā)展，隨著技術(shù)的不斷成熟，越來越多的學(xué)者將其廣泛運(yùn)用于不同的領(lǐng)域;其中，與金融領(lǐng)域的結(jié)合能夠給廣大投資者帶來額外收益;股票市場是一個受多方信息影響的復(fù)雜系統(tǒng)，股市的漲跌由于其高度不穩(wěn)定性，更是難以預(yù)測。投資者面對大量的股市信息，通常希望能夠利用已知的歷史信息運(yùn)用某種方式對未來的市場漲跌進(jìn)行預(yù)測，以應(yīng)用于投資，獲得超額收益。面對巨大的信息量，人工進(jìn)行處理顯然不現(xiàn)實(shí):花費(fèi)的成本也

2、過于昂貴;所以有許多學(xué)者運(yùn)用例如支持向量機(jī)、BP神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)的方法來對股市的漲跌進(jìn)行預(yù)測;這一領(lǐng)域逐漸成為近兩年待解決的熱點(diǎn)問題;但是支持向量機(jī)等方法有一定的局限性，為了達(dá)到最優(yōu)的分類效果，要采用高緯度的平面進(jìn)行分類，這無疑增加了模型的復(fù)雜度;XGBoost算法作為2015年新提出的算法，具有運(yùn)算效率和準(zhǔn)確率高的優(yōu)點(diǎn)，所以作者運(yùn)用這一新的算法對股市漲跌進(jìn)行預(yù)測，為投資者提供一種新的投資決策有效性方案。
　　本文結(jié)合國內(nèi)股票市

3、場和國際上主要的股票指數(shù)，運(yùn)用了支持向量機(jī)、決策樹模型和XGBoost算法對上證綜指、上證50指數(shù)、標(biāo)準(zhǔn)普爾指數(shù)的漲跌進(jìn)行預(yù)測;同時，為了盡可能提高支持向量機(jī)、決策樹和XGBoost算法對股市漲跌預(yù)測的效果，作者還把與成交量有關(guān)的數(shù)據(jù)進(jìn)行了處理，使它的數(shù)值與其他指標(biāo)相差不是太大;與此同時，還將XGBoost算法的有關(guān)參數(shù)進(jìn)行了調(diào)優(yōu)。選取了28個技術(shù)指標(biāo)作為輸入變量，將預(yù)測的第二天的股市漲跌作為分類的輸出變量;利用RStudio軟件進(jìn)行支

4、持向量機(jī)、決策樹和XGBoost建模，并得到了相對合理的實(shí)證結(jié)果，結(jié)果顯示XGBoost模型對上證綜指有非常理想的預(yù)測效果，預(yù)測的準(zhǔn)確率達(dá)到了70％以上，這與XGBoost算法的原理有關(guān)，它迭代每次的誤差，達(dá)到最小化平方損失函數(shù)，所以比普通算法的準(zhǔn)確率要高;上證50和標(biāo)準(zhǔn)普爾指數(shù)的預(yù)測準(zhǔn)確率達(dá)到了60％到65％，這可能與這兩個指數(shù)只是選取的一部分股票作為樣本有關(guān);按照趨勢進(jìn)行劃分時，也能夠得到更高的預(yù)測準(zhǔn)確率，運(yùn)用XGBoost算法的預(yù)