python数据预测模型算法_基于机器学习的股票分析与预测模型研究

摘 要：近年来，随着全球经济与股市的快速发展，股票投资成为人们最常用的理财方式之一。本文研究的主要目标是利用机器学习技术，应用Python编程语言构建股票预测模型，对我国股票市场进行分析与预测。采用SVM与DTW构建股票市场的分析和预测模型，并通过Python编程进行算法实现。

本文对获取到的股票数据进行简单策略分析，选取盘中策略作为之后模型评估的基准线。分别选取上证指数、鸿达兴业股票、鼎汉股票数据利用已构建的支持向量机和时间动态扭曲模型在Python平台上进行预测分析，结果表明，对于上证指数而言，支持向量机预测下逆向策略更优，对于鸿达兴业股票和鼎汉股票而言，支持向量机预测下正向策略更优；基于时间动态扭曲算法的预测方法对于特定的股票有较高的精度和可信度。研究结论表明将机器学习运用于股票分析与预测可以提高股票价格信息预测的效率，保证对海量数据的处理效率，机器学习过程可以不断进行优化模型，使得预测的可信度和精度不断提高，机器学习技术在股票分析方面有很高的研究价值。

关键词：机器学习；股票预测；Python；SVM；DTW

中图分类号：F830.91 文献标识码：A 文章编号：1008-4428（2019）02-0123-02

一、 引言

国外股票市场的股票分析预测开始得很早，研究者们将各种数学理论、数据挖掘技术等应用到股票分析软件中，并通过对历史交易数据的研究，从而得到股票的走势规律。

近年来，由于现实中工作与研究的需要，机器学习的研究与应用在国内外越来越重视。机器学习可以在运用过程中依据新的数据不断学习优化，完善预测模型。将机器学习应用于股票市场的预测，从股票的历史数据中挖掘出隐藏在数据中的重要信息。