基于XGBoost的多因子选股模型

围绕多量价因子选股模型,通过因子计算、特征处理、单因子分析,以及基于XGBoost机器学习的日频滑动窗口模型搭建,计算出XGBoost模型对股票预测的准确度和前100只股票的收益情况,结果表明,基于XGBoost机器学习模型选出的股票组合相对等权重的多因子选股模型有明显的改进。

灰色模型与神经元网络结合的飞行目标预测法

利用机动飞行目标轨迹可预测飞行目标实时位置,针对灰色模型对快速飞行目标轨迹预测不准确的问题,引入神经元理论判断飞行目标状态,通过机器学习掌握飞行目标转弯模型,从而更准确地对飞行目标转弯进行预测。首先,分析了灰色模型预测方法的工作原理和特点;然后,借助反向传播(BP)神经元模型可判断飞行特征的优势,将灰色模型与神经元网络模型进行了结合;最后,通过仿真试验表明该飞行目标预测法可对飞行目标进行精准监视和控制。