量价线性模型假设-基于Adaboost和线性回归弱分类器

     前两篇的文章中我演示了如何进行预测，但是预测的准确率一直停留在50%上下，好一点的有60%，IR就不用说了，有多有少，可操作性比较差。今天从另一个角度解释一下为什么这么难预测。先从一个有趣的题目来入手：任意打开一张图表，将价格走势图删掉一部分，但是不要删成交量的走势图，问题是，你能够根据下面的量猜出股价的走势吗？如果可以，你能以多大的概率猜准。 带着这个问题，我们进行如下的实验。为了方便叙述，价格我们用P来表示，成交量我们用V来表示

1.首先下载我们的源程序，然后在LinearRegression.cpp中选择线性拟合而不是线性分类，代码注释打开

2.使用成交量均量ma(vol,n)作为训练输入的X，这里n取1-21，使用涨跌幅作为输出Y，再输出一个Y作为我们的统计方便，这里直接给出数据生成公式

v1000:vol/1000;
vma1:ma(v1000,1);
vma2:ma(v1000,2);
vma3:ma(v1000,3);
vma4:ma(v1000,4);
vma5:ma(v1000,5);
vma6:ma(v1000,6);
vma7:ma(v1000,7);
vma8:ma(v1000,8);
vma9:ma(v1000,9);
vma10:ma(v1000,10);
vma11:ma(v1000,11);
vma12:ma(v1000,12);
vma13:ma(v1000,13);
vma14:ma(v1000,14);
vma15:ma(v1000,15);
vma16:ma(v1000,16);
vma17:ma(v1000,17);
vma18: