Loading...
机构名称:
¥ 2.0

摘要:股票是最常见的金融投资产品,并吸引了世界上许多投资者。但是,股票价格波动通常是无法控制的,对于个人投资者来说是不可预测的。本研究旨在采用不同的机器学习模型,以从个人投资者的角度捕获股票价格趋势。我们考虑了六种用于预测的传统机器学习模型:决策树,支持向量机,Bootstrap聚合,随机森林,自适应增强和分类增强。此外,我们提出了一个使用回归模型来获取不同移动平均值的预测值的框架,并将其转换为分类问题以产生最终的预测结果。使用这种方法,我们根据支持向量机模型的移动平均值的20天变化实现了0.9031的最佳平均精度。此外,我们进行了模拟交易实验,以评估该预测框架的性能并获得最高的平均年度收益率29.57%。

基于机器学习的定量交易策略

基于机器学习的定量交易策略PDF文件第1页

基于机器学习的定量交易策略PDF文件第2页

基于机器学习的定量交易策略PDF文件第3页

基于机器学习的定量交易策略PDF文件第4页

基于机器学习的定量交易策略PDF文件第5页

相关文件推荐

2020 年
¥7.0
2024 年
¥1.0
2025 年
¥1.0
2023 年
¥3.0
2021 年
¥1.0
2022 年
¥1.0
2024 年
¥1.0
2023 年
¥11.0