利用时间序列股票相似性改进标普股票预测
统计金融
2020-02-17 v1 机器学习
机器学习
摘要
利用预测算法进行股市预测是当今热门话题，多数预测算法仅训练于特定股票所收集的数据。本文中，我们如同专业交易员那样以相关股票丰富股票数据，以改进股票预测模型。我们测试了五种不同的相似性函数，发现协整相似性对预测模型有最佳改进。我们在横跨五年的七个来自不同行业的标普股票上评估了模型。训练于相似股票的预测模型取得了显著更优的结果，平均准确率为 0.55，利润为 19.782，而最先进模型的准确率为 0.52、利润为 6.6。
引用
@article{arxiv.2002.05784,
title = {Improving S&P stock prediction with time series stock similarity},
author = {Lior Sidi},
journal= {arXiv preprint arXiv:2002.05784},
year = {2020}
}