预测股价走势一直是投资者们的追求甚至是梦想,但既然称之为梦想,这项工作的难度也就可想而知。过去,人们主要通过分析上市公司的生产经营、财务状况、股票交易指标、甚至投资者行为来判断股价未来的表现,出现了大大小小各种流派。随着计算机技术的不断进步,人工智能技术成为现实并有了突飞猛进的发展,在人类的生产和生活中产生了全方位的影响。其中,机器学习的出现,为人们分析研究股价走势开辟了新的思路。随机森林算法就是一种机器学习,它利用已有样本训练出大量不同的决策树,再将决策树集成,对新输入的样本做出分类判断。本文基于随机森林算法,试图对国内上市公司的股价走势进行预测。在同一行业内,上市公司的数据有更好的可比性。国内消费行业上市公司的数量较多,以之为研究对象能使随机森林算法得到更好的发挥。行业分类采用的是Wind行业分类标准,具体涵盖食品饮料、烟草、服装纺织、生活用品、酒店餐饮、娱乐、汽车及零配件、奢侈品等。本文选取2015年至2018年沪深股市消费行业上市公司的公开的财务指标、交易技术指标以及次年年度涨跌幅作为原始数据。将上市公司各项指标与其行业的中位数之差作为随机森林模型的特征变量。将次年年度涨跌幅是否优于行业的中位数作为输出结果,数字表现形式为0或1,以此保证输出数据的直观性和统一性。将2015年至2017年的样本作为训练集,将2018年的样本作为测试集。构建随机森林模型之后,通过优化ntree值和mtry值提高RF模型的性能。依据基尼指数的平均减少度计算特征变量的重要性,删去重要性最低的若干特征,进一步实现对RF模型的优化。以上思路预计可以有效消除系统性波动和行业波动对个股的影响。如果模型成立,同样的方法可以应用到其他行业。机器学习使得股票分析及决策判断更加客观和理性。本文将随机森林算法应用在股票分析研究上,可以较好地利用机器学习的优势,克服主观经验的局限和情绪起伏的干扰,筛选出优质的投资标的,为投资者提供一定的参考。