基于特征工程的"高送转"预测模型构建
近年来,虽然我国证券市场中的高送转题材受到了中小投资者的追捧,同时也产生了一些市场的乱象,导致投资者容易去盲目的炒作高送转.但是对高送转股票的预测模型中,很多都会采用了主观性比较强烈的打分排序法以及Logis-tic回归分析的方法进行构建高送转股票预测的模型.该文深入分析了对于高送转股票影响程度比较大的影响因素,采用机器学习中特征工程的方法,分别用了Filter过滤法与F检验法筛选出影响因素的因子,构建出高送转股票的预测模型是支持向量机SVC模型,并采用了2020年第八届泰迪杯数据挖掘挑战赛中提供的股票样本数据对模型进行了数据处理后的验证.实证后的结果显示,模型正确率在84.26％以上,模型预测准确度最高可达54％.
高送转、特征工程、支持向量机模型
17
TP311(计算技术、计算机技术)
基于数据挖掘的上市公司高送转预测项目DCXM2020078
2021-07-29（万方平台首次上网日期，不代表论文的发表时间）
共3页
224-225,228
