水分蒸发决策树在存量预测中的实现-研究论文

– 股价预测总是吸引投资者； 它不仅是因为兴趣，而且是一个巨大的挑战和一个谜。 这个问题本质上是非常复杂的，它是一个非常动态的问题。 许多波动始终存在，全球股票市场使其成为更具挑战性和有趣的股票预测工作。 预测股票价格是一项风险很大的工作，可能会出现很多错误。 这些错误需要&应该被最小化，以便在股票市场投资中的财务损失可以最小化。 在这篇研究论文中，我们应用了称为水分和蒸发决策树 (MEDT) 的监督机器学习算法。为了预测股票价格，我们应用了过去五年的历史数据，其属性为：开盘高、低、收盘率和成交量特定的股票。 对（历史价格）的5年股票数据的MEDT算法进行了实验。 正如我们已经知道的那样，市场新闻总是会影响股票价格的走势。 目前的研究我们考虑了有关特定股票的正面或负面消息。 如果消息是正面的，则称为水分，它根据消息的类型和对该特定股票的重要性分配介于 0 和 1 之间的权重。 新闻当时非常有影响力，其水分值可能为 0.8，否则新闻影响较小，则其值可能会变化 0.1 或 0.2。 如果该消息对股票价格产生正向影响，则其幅度将为正水分值，否则为负水分值。 技术在 88% 的案例中取得成功。