基于Stacking的集成算法在证券趋势预测中的应用

摘要：

股票价格的趋势预测一直是金融领域的重要问题,也是一个难题.但即使是对预测性能的微小改进,也可以为金融工程的技术手段带来非常可观的收益.现有研究大多为单一预测算法,旨在通过对比寻求预测效果更优的算法.文中结合指数移动平均值、相对强弱指数等10个有效技术指标,构建基于Stacking集成学习的股票趋势涨跌预测方法,以预测性能较好且存在差异的异质机器学习算法作为Stacking集成的初级学习器,以逻辑回归方法作为元学习器,进行集成预测.选取上证指数和深圳成指作为研究对象,以ROC曲线下方面积AUC值作为性能评估指标.研究结果表明,Stacking集成学习方法的预测性能优于单一预测模型,并通过Friedman检验证明,Stacking集成算法和单一算法之间存在显著差别.

关键词：Stacking集成算法、机器学习、股票预测、随机森林、XGBoost、特征集合、嵌套交叉验证

所属期刊栏目：45

分类号：TN99-34

资助基金：国家社会科学基金18BGL224

在线出版日期：2022-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：115-121