基于Pearson特征选择的随机森林模型股票价格预测
Random Forest Model Stock Price Prediction Based on Pearson Feature Selection作者机构:山东财经大学金融学院济南250014 山东财经大学计算机科学与技术学院济南250014 山东大学数学学院济南250100
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2021年第57卷第15期
页 面:286-296页
学科分类:08[工学] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置]
基 金:国家自然科学基金(61972227) 山东省重点研发计划(2018GGX101013) 山东省高等学校优势学科人才队伍培育计划
摘 要:为了能够更好地预测股票的走向趋势,解决在大量特征和大数据下预测精度低的问题,在随机森林的基础上提出了一种基于Pearson系数的随机森林新的组合模型方法。利用Pearson系数进行相关性检验删除无关特征;使用改进的网格搜索法对决策树参数调优;利用随机森林将剩余特征进行建模回归预测,并得出最终结论。实验结果表明:改进后的随机森林在预测值的平均绝对误差(MAE)、均方误差(MSE)都得到了较大的提高。其中今世缘改进后的随机森林比传统随机森林的MSE值降低了56%,MAE值降低了37.3%,其他两只股票预测效果也均得到提高。新的组合模型,可以实现对股票价格的短期预测回归,并且能够降低噪声对股票价格预测的影响。该研究为更好地预测股票价格提供了有效证据并为投资者提供了对股票影响因素的选择。