模式分类识别 | Python实现基于Xboost的股票走势识别预测

25 篇文章 226 订阅 ¥29.90 ¥99.00
19 篇文章 64 订阅 ¥29.90 ¥99.00
16 篇文章 24 订阅 ¥19.90 ¥99.00
本文探讨了使用Python的Xboost库进行股票走势识别预测的监督学习方法,包括模型描述、打标问题、数据集划分和学习总结。强调了打标方式对模型性能的影响,提出了时间序列数据集划分的挑战和解决方案。
摘要由CSDN通过智能技术生成

模式分类识别 | Python实现基于Xboost的股票走势识别预测

文章概述

利用机器学习进行股票走势上的预测,本质上属于监督学习,所谓监督学习,指的就是在历史的数据中,给定了特征以及对应的标签,然后由机器学习模型来建立起特征与标签之间的映射。例如,给定一张动物照片,那么照片中每个像素的数据就是特征,而这张照片中的动物是猫还是狗就是对应的标签。在机器学习所应用的其他领域,特征所对应的标签是十分明确的,借用上面的例子,这张照片中的动物究竟是猫还是狗,我们通过人眼是可以确定下来的,基本不存在什么争议。但是在量化领域,事情却变得复杂了起来。

模型描述

以中证500ETF为例,下图所示的是该标的在2020年12月以来的走势,在我们直接的观察中,很显然以黄色圆圈所圈出的点为合适的买入点,我们的标签似乎是明确的,但是股票数据的数据量是极为庞大的,通过人眼一只票一只票地从大量的找出类似于黄圈的点,然后制作数据集是完全不现实的,因此常用的方法是确定一套规则,然后编写程序依据规则来给定标签,则我们的问题最终落脚到了确定一套怎样的规则。<

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

前程算法屋

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值