摘要
利用贝叶斯搜索法对RF、DNN、GBDT、Adaboost四种机器学习算法进行超参数优化,选择适合中国市场的34个输入因素,以2019年7月22日至2022年9月30日期间的科创板473家企业的85 216个数据为样本,实证检验优化后的机器学习模型对上市创新型中小企业股价的预测效果,并利用R2、MAPE、RMSE、DA等指标评价了各算法的预测精度。研究发现,经过贝叶斯优化后的RF和DNN在上市创新型中小企业股票价格预测上表现得更好,其次是Adaboost,而GBDT的预测效果最差。
作者
王磊
谢明柱
Wang Lei;Xie Mingzhu
出处
《吉林工商学院学报》
2023年第2期79-88,共10页
Journal of Jilin Business and Technology College
基金
2021年度安徽省社会科学创新发展项目“安徽省新兴产业聚集:效率评价与路径优化”(2021CX025)。