基于机器学习的股票价格预测

股市的波动会影响到社会经济生活的方方面面。因此,有效地预测股票价格的变化趋势,不仅影响投资者的收益,而且具有巨大的经济和社会价值。但是,股市的变化受多种因素的影响,很难准确预测。早期的股票研究理论认为,交易数据对未来的预测没有帮助。后来,许多研究人员根据历史数据自动提取预测股市变化的规律,但这些模型无法捕捉到非平稳数据的变化规律。随着行为金融学理论的发展,传统的时间序列模型不能充分考虑投资者心理和情绪对股市的影响。所以预测股市的走势是最困难的事情之一。所有综合种种出现的因素在一起共同导致股价波动,很难以高精度预测。本文提出了基于机器学习的股票价格预测方法,我们将使用有关上市公司股票价格的历史数据,使用随机森林(Random Forest)、决策树(Decision Tree) 和AdaBoost等算法来预测该公司的未来股票价格。