文献类型：期刊文章

作　　者：闫政旭[1] 秦超[2] 宋刚[3]

YAN Zhengxu;QIN Chao;SONG Gang(School of Finance,Shandong University of Finance and Economics,Jinan 250014,China;School of Computer Science and Technology,Shandong University of Finance and Economics,Jinan 250014,China;School of Mathematics,Shandong University,Jinan 250100,China)

机构地区：[1]山东财经大学金融学院,济南250014 [2]山东财经大学计算机科学与技术学院,济南250014 [3]山东大学数学学院,济南250100

出　　处：《计算机工程与应用》

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。

年　　份：2021

卷　　号：57

期　　号：15

起止页码：286-296

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

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。

关 键 词：Pearson系数  随机森林  股票 预测  

分 类 号：TP29]