基于数据挖掘技术的公司营业额预测：案例研究
机器学习
2015-08-04 v1
摘要
在波动不断的股市中预测公司营业额一直被证明是一个不稳定的情况，而且无疑是一项艰巨任务。数据挖掘是计算机科学中一个众所周知的领域，旨在从大型数据库中提取有意义的信息。然而，尽管存在许多用于预测未来趋势的算法，它们的效率值得怀疑，因为其预测存在高错误率。本文目标是研究各种分类算法，基于股票价格预测不同公司的营业额。用于预测营业额的授权数据集取自www.bsc.com，包含过去10年各公司的股市值。使用"R"工具研究这些算法。在该数据集上运行特征选择算法Boruta以提取用于分类的重要且有影响的特性。利用这些提取的特征，使用随机森林、决策树、SVM和多项回归等各种分类算法预测公司的总营业额。该预测机制被实现为每日预测公司营业额，从而有助于在可疑的股市交易中导航。上述预测过程实现了95%的准确率。此外，建立了股市属性的重要性。
引用
@article{arxiv.1508.00088,
title = {Turnover Prediction Of Shares using Data Mining techniques : A Case Study},
author = {D. S. Shashaank and V. Sruthi and M. L. S Vijayalakshimi and Jacob Shomona Garcia},
journal= {arXiv preprint arXiv:1508.00088},
year = {2015}
}