股票选购的策略
Strategies for Stock Shopping
摘要: 本次研究构建了股票选购的全套理论和方法，首先通过简单移动平均线和相对强弱指数选出优质股票，再结合随机森林模型和ARIMA模型预测出这些优质股票将来的收盘价，最后通过二次规划计算出最优的投资组合方案。这套股票选购的方法操作流程简洁高效且通过大量的实践发现其实用性较好，为那些追求短期利润的新手投资者以及相关研究人员提供了参考依据。
Abstract: This research constructs a full set of theories and methods for stock shopping, firstly, selecting high-quality stocks through simple moving averages and relative strength indices, then predicting the future closing prices of these high-quality stocks by combining the Random Forest model and the ARIMA model, and finally calculating the optimal investment portfolio plan through quadratic programming. This method is simple, efficient and practical, providing a reference for novice investors and researchers seeking short-term profits.
参考文献
|
[1]
|
谢磊. 我国股票投资者投资风险管理研究[D]: [博士学位论文]. 长沙: 中南大学, 2006.
|
|
[2]
|
曹正凤, 纪宏, 谢邦昌. 使用随机森林算法实现优质股票的选择[J]. 首都经济贸易大学学报, 2014, 16(2): 21-27.
|
|
[3]
|
朱宝宪, 潘丽娜. 对相对强弱指数与货币流量指数预测效应的实证研究[J]. 财经论丛(浙江财经学院学报), 2002(2): 45-50.
|
|
[4]
|
赵婷婷, 韩雅杰, 杨梦楠, 等. 基于机器学习的时序数据预测方法研究综述[J]. 天津科技大学学报, 2021, 36(5): 1-9.
|
|
[5]
|
闫政旭, 秦超, 宋刚. 基于Pearson特征选择的随机森林模型股票价格预测[J]. 计算机工程与应用, 2021, 57(15): 286-296.
|
|
[6]
|
刘敏, 郎荣玲, 曹永斌. 随机森林中树的数量[J]. 计算机工程与应用, 2015, 51(5): 126-131.
|
|
[7]
|
林娜娜, 秦江涛. 基于随机森林的A股股票涨跌预测研究[J]. 上海理工大学学报, 2018, 40(3): 267-273+301.
|