科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了在高维财务股票数据中选出重要的特征以及如何选出优质股票是每个投资者所面临的问题。为了减少特征选择过程中人为因素的干扰，提出一种基于Lasso降维的股票分类方法（LR-SC）。首先将高维的财务股票数据放入Lasso进行特征选择，对于降维后的数据，选择每股收益前10%的为少数样本，之后计算每个少数类样本到svm生成的超平面的距离，通过Random-SMOTE算法来生成新的少数类样本，并选择距离超平面最远的后50%的多数类样本来剔除，以此来达到样本之间的平衡。实验结果表明，其选出优质股的精度有所提高，证明了该算法在股票选股上的可行性和有效性。
- 单位
