基于组合分类器的股价走势预测开题报告

1. 研究目的与意义

准确预测股价走势一直是投资者们的追求甚至是梦想。

过去，人们主要通过分析上市公司的生产经营、财务状况、股票交易指标、甚至投资者行为来判断股价未来的表现，但受限于投资者的经验知识。

基于以上考虑，越来越多的研究者将研究方向放在股价走势的预测上。

2. 课题关键问题和重难点

本课题研究基于组合分类器的股价走势预测，将一种高效的组合分类器随机森林用于股价走势预测中，以便实现高效、智能的精确选股。

首先在数据的收集上这个问题上，该如何利用爬虫实现数据的收集；在数据的初步筛选上，该采用何种方法去除不切实际不重要的数据；应该选取哪些特征指标进行实现分析以及对于各种特征指标的理解；在模型的实现上，该选择哪种方法进行取样来生成决策树，使用何种算法进行模型的构建；在模型构建完成后，如何把预测模型编程代码程序，由于有限的编码能力，在代码的编辑上有难度。

在模型的评价上，在计算特征重要性时，是否存在的不合理数据会影响rf模型的预测有效性，需要对大量实验数据进行整理分析以及如何计算特征重要性和各个特征重要性的比重如何确定。

3. 国内外研究现状（文献综述）

国内研究现状：对股票走势预测在商业和金融领域具有重要的意义。

传统的分析方法主要是利用既有的股票数据和相关技术图表，结合投资者自身经验对股票走势进行预测。

但是这种方法在当今日益庞大且复杂的股票市场中并不适用。

4. 研究方案

rf算法流程图如图1所示：图1 rf算法流程图研究方案：1、基于相关背景及意义提出想要研究的问题。

2、搜集、阅读相关文献得到本文研究的理论基础与实践的可能性;使用文献研究方法，通过网络和图书馆查阅了大量国内外文献，涉及证券投资分析、机器学习、随机森林、组合分类器算法等；特别对随机森林理论进行深入的学习，包括决策树方法、特征选择及重要性评价、随机森林模型的优化等。

3、通过不同的方法途径获得并处理研究问题需要的数据。

5. 工作计划

2022-2022-1学期：第15-16周：完成选题，查阅相关中英文资料。

第17周：与导师沟通进行课题总体规划。

第18-19周：导师下发毕业设计（论文）任务书，学生根据导师的要求进行外文翻译，列出开题报告大纲，进行开题报告的撰写。