SARF：利用情感增强随机森林提升股票市场预测
统计金融
2024-10-10 v1 机器学习
摘要
股票趋势预测是金融领域的具有挑战性的问题，涉及大量数据和相关指标。仅依赖经验性分析往往难以获得可持续且有效的结果。机器学习研究者已证明，随机森林算法可在此背景下提升预测效果，在股票趋势预测中发挥关键的辅助作用。本研究提出一种新方法，通过整合情感分析（使用 FinGPT 生成式 AI 模型）与传统随机森林模型，实现股票市场预测。该方法旨在通过利用 FinGPT 提供的金融情感细粒度理解，优化股票价格预测的准确性。我们提出了一种称为“情感增强随机森林”（SARF）的方法，将情感特征整合到随机森林框架中。我们的实验表明，SARF 在预测股票市场运动方面优于传统随机森林和 LSTM 模型，平均准确率提高了 9.23%，预测误差更低。
引用
@article{arxiv.2410.07143,
title = {SARF: Enhancing Stock Market Prediction with Sentiment-Augmented Random Forest},
author = {Saber Talazadeh and Dragan Perakovic},
journal= {arXiv preprint arXiv:2410.07143},
year = {2024}
}