《表1 XGBoost模型的预测结果》
XGBoost模型在构建之前,为了防止原始数据可能存在乱序及缺值的情况,首先对数据集进行插值、排序等操作[17],从而得到规整的股票时序数据,进一步构建完整有效的数据集。在搭建完成模型后,对于3 253条中国平安的股票数据进行数据集拆分,将前3 223条数据作为训练集,最后30条数据作为测试集,在实验中经过多次调试与测试,在权衡计算量与模型的综合得分后将XGBoost模型参数学习率learning_rate设置为0.1,树的深度max_depth设置为2,树的棵树n_estimators设置为45,最小叶子权重min_child_weight设置为4,其余参数都设置为默认参数。在实验1中主要探索XGBoost模型对短期股价的预测性能。其实验结果如表1和图4所示。
图表编号 | XD00102822000 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.15 |
作者 | 王燕、郭元凯 |
绘制单位 | 兰州理工大学计算机与通信学院、兰州理工大学计算机与通信学院 |
更多格式 | 高清、无水印(增值服务) |