基于改进随机森林算法的股票趋势预测

作者：方昕; 李旭东; 曹海燕; 潘鹏

来源：杭州电子科技大学学报(自然科学版), 2019, 39(02): 22-27.

DOI：10.13954/j.cnki.hdu.2019.02.005

• 股票趋势预测
• 技术指标
• 特征选择
• 改进的随机森林算法

针对目前股票趋势预测中随机森林算法无法对特征进行选择问题,提出一种离散二进制粒子群算法与随机森林算法相结合的混合算法。计算不同的技术指标作为输入特征,每一个特征都有4个不同时间跨度:3,5,10,15天,然后用离散二进制粒子群算法对特征进行优化选择。采用苹果公司、亚马逊公司、微软公司的股票历史数据进行仿真实验,实验结果与随机森林算法相比,准确率显著提高,苹果公司股票趋势预测的准确率达到93.0%,亚马逊公司达到90.5%,微软公司达到90.4%。

• 单位
  杭州电子科技大学