基于RF-MIC-PCA的股票趋势预测

股票因子具有丰富性、相似性等特点,但对其进行趋势预测较难得到良好效果。针对此问题,提出了一种基于RF-MIC-PCA的股票趋势预测算法。首先,利用随机森林(RF)的基尼指数构建因子与类别间的重要性评分规则,剔除低分因子;然后,利用最大信息系数(MIC)构建因子间的相关性评价方法,并融合主成分分析法(PCA)减少因子冗余度;最后,通过随机森林算法预测的分类准确率作为衡量标准,建立基于RF-MIC-PCA的股票趋势预测算法。为验证算法的有效性,从沪深300中选取10只代表性股票进行实验,结果显示RF-MIC-PCA算法在数据集维度降低了20.45%的同时有效提升了算法的预测性能。另外对沪深300、上证50指数进行趋势预测,准确率分别提高了4.1%和5.0%,验证了算法的普适性,具有一定的实用价值。