基于置换决策树和战略性跟踪的股票价格预测
机器学习
2025-09-16 v3
摘要
本文探讨了置换决策树（PDT）和战略性跟踪在预测印度股市走势和执行盈利性交易中的应用。我们聚焦于使用5分钟K线数据，对NIFTY 50指数中前50只股票以及外汇对如XAUUSD和EURUSD进行高频交易。我们实现的交易策略旨在以较低价格买入股票，并在更高价格出售，以捕捉短期市场波动。由于印度的监管限制，我们的策略不考虑空头交易。该模型整合了各种技术指标，并采用诸如跟踪止损值和支撑阈值等超参数来有效管理风险。我们使用雅虎财经提供的3个月数据进行训练和测试。基于置换决策树的机器人在测试期间实现了1.1802%的利润，而基于LSTM的机器人实现了0.557%的收益，而基于RNN的机器人实现了0.5896%的收益。所有机器人都优于买入持有策略，而后者导致了2.29%的亏损。
引用
@article{arxiv.2504.12828,
title = {Predicting Stock Prices using Permutation Decision Trees and Strategic Trailing},
author = {Vishrut Ramraj and Nithin Nagaraj and Harikrishnan N B},
journal= {arXiv preprint arXiv:2504.12828},
year = {2025}
}
备注
27 pages