近些年，机器学习在股票价格预测领域取得了不错的成绩。与传统基本面分析及技术分析相比较，使用机器学习方法能在各方面展现出独有的优势。文章使用了实际的股票交易数据，分别用随机森林算法以及梯度提升树(GBDT)算法进行建模，对单只股票的收益情况进行预测。实验结果表明，随机森林的解释性较高，但和GBDT模型的准确性相比略逊一筹，在比较后，实验将GBDT模型进行了少许的调参，该模型也达到了更好的预测效果。
科研之友
微信
新浪微博
Facebook
分享链接
