1. 研究目的与意义（文献综述）

选择优资股票是股票投资中的关键抉择部分，是正确投资的必要选择，所谓的优质股票指的是股市中投资回报高，抗风险能力强，成长性好的优良股票。而股票的价格受到诸多因素的影响，表现出“毫无规律变化”的随机游动特性，因此选择其中的优质股票的难度比较大。在股票优化和选择问题中，主要可以归为两方面：影响价格的维度选择，即多个维度指标体系的决定和选择模型分类算法的确定，本文选择随机森林算法，解决股票投资中选择优质股票的实际问题。

随机森林（random forest） 是集成学习 （ensemble learning） 算法的一种，它利用多棵树对样本进行训练并预测的一种分类器，同样也可用户回归，其输出的类别是由个别树输出的类别的众数而定。 该算法最早由leo breiman和adele cutler提出， 而”random forests”是他们注册的商标。这个术语是1995年由贝尔实验室的tin kam ho所提出的随机决策森林（random decision forests）而来的。简单来说，随机森林就是由多棵cart（classification and regression tree）构成的。对于每棵树，它们使用的训练集是从总的训练集中有放回采样出来的，这意味着，总的训练集中的有些样本可能多次出现在一棵树的训练集中，也可能从未出现在一棵树的训练集中。

2. 研究的基本内容与方案

研究的基本内容：

1. 选取某一类型股票，采集其近几年（3年）来的数据信息，

2. 对数据信息进行预处理，得到有效数据

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   • 学期末，选题
   • 寒假期间，自学了解并掌握随机森林算法原理和股票优化方法知识
   • 1-3周，查阅文献，完成开题报告
   • 4-6周，总体设计，完成论文综述
   • 7-10周，设计算法，功能模块设计
   • 11-13周，编码和测试，并修改完善
   • 14-15周，写论文，提交初稿，给老师检查，修改定稿，答辩

   4. 参考文献（12篇以上）

   1.加权随机森林算法研究.杨飚等.微型机与应用.2016.3:28-30.

   2.基于云计算平台的随机森林算法的研究与实现.于延等.科技通报.2013，vol.29(4),50-52.

   3.correlation and variable importance in random forests.

   剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付