文献类型：期刊文章

作　　者：徐浩然[1] 许波[1] 徐可文[1]

XU Haoran;XU Bo;XU Kewen(School of Information,Guangdong University of Finance and Economics,Guangzhou 510000,China)

机构地区：[1]广东财经大学信息学院,广州510000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金青年基金(No.11901113);广州市科技计划项目(No.201904010225)。

年　　份：2020

卷　　号：56

期　　号：12

起止页码：19-24

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、PROQUEST、RCCSE、ZGKJHX、核心刊

摘　　要：揭示股票市场运行规律一直是研究的热点,近些年机器学习方法在股票预测方面取得了不错的进展,相较于传统的基本面分析、技术分析等方法,显示了独特的优势。从股票预测研究的主要问题、特征工程和机器学习算法应用等三个方面,对近年来该领域的主要文献进行总结,并针对每种算法在应用中的特点与不足进行评述。围绕目前机器学习在股票预测上遇到的主要问题,从迁移学习、特征工程、深度学习模型融合等方面进行了深入的分析与展望。

关 键 词：股票预测 机器学习  支持向量机 深度学习  集成学习  

分 类 号：TP391]