《表1 XGBoost模型的预测结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《改进的XGBoost模型在股票预测中的应用》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。