高维序列数据降维方法在证券市场的应用研究

来源：计算机技术与发展杂志2023年第04期北京时间：

作者：陈赛;刘文杰;黄国耀;卢凌峰;李华康;孙国梓*

单位：1. 南京邮电大学 计算机学院,江苏 南京 210023;2. 西交利物浦大学 人工智能与高级计算学院(太仓),江苏 苏州 215123

摘要：证券市场数据分析与预测,作为一个经典的大数据分析场景,很多数据挖掘方法已经在本领域得到实际应用。 但是鉴于企业本身情况的变化以及证券市场的人为操作等情况,现有的各种大数据挖掘方法无法应对不可见或者未出现的情况,为此论文探索使用易经方法,将其应用在证券市场的数据挖掘和分析预测。 利用数据挖掘进行特征筛选、数据降维,通过滑动时间窗、随机森林、三才映射等方法实现传统易经体系中的断卦步骤,将易经概念、规则抽象成算法并对卦辞分类,由解卦算法得出预测值。 与先前的预测模型相比,该模型融合易经预测体系与机器学习,充分利用了证券市场的场景特征与历史数据,最终对证券市场平稳、上升、下跌三种发展趋势进行预测。 使用 10 年内股票证券交易公共数据集进行实验,准确率优于 SVM、XGBoost 等流行的机器学习算法,并在分行业建模中进一步提升了效果。

关键词：数据挖掘;易经;特征筛选;证券预测;机器学习