基于集成学习的股票指数预测方法

股票价格指数是衡量整个股票市场当前行情的重要指标,通常对指数内所有个股的涨跌幅进行加权平均得到,因此股票指数能够及时准确地反映当前市场的动向走势。对沪深300指数的历史行情数据进行建模,通过挖掘大盘指数的涨跌幅与个股的涨跌比之间的关系,利用聚类算法确定对市场影响较大的指数涨跌幅集合G,将其作为研究关键。运用集成学习的算法思想,选取K-近邻、梯度提升和自适应提升这3个分类器,通过改进的投票算法聚合成一个新的分类器模型,对指数行情数据进行学习分类,从而对G的出现进行预测,改进的投票算法综合考虑了弱分类器本身的分类效果,分类效果得到提升。实验结果表明,与原模型相比,新聚合的模型在一定程度上提升了股指预测的准确度,对于沪深300股指的预测具有指导作用。