论文部分内容阅读
股票指数变幻莫测,价格的波动受到大量因素的影响,时时刻刻产生海量的数据。因此,通过机器学习算法对千万级的指标进行处理,作为投资者的参考依据,为投资者带来更多收益,成为一个非常值得研究的问题。本文首先以LightGBM算法作为基础,其次构建了LR-LightGBM模型,来对股票指数的涨跌情况进行预测,模型效果得到了有效提升。首先,对金融指标进行比较分析,从中选取了11个主要的技术指标作为输入特征,综合考虑时间的短期与长期、噪声波动因素、具历史平均值的偏离程度等各个方面,全面的反映了影响股指变化的各类影