-
结果表明:在经过各种模型调参以及模型网络结果变化后,回归模型的实际效果并不好。预测值的波动范围很小,预测值的符号跟真实值之间的一致性只有55%左右。
-
实践方面可能的解决办法:
-
数据预处理:
-
对特征做归一化时,采用自适应的方法;
-
对特征做相关性分析,特征是各个变量,股价是因变量;
-
-
特征挖掘:
-
目前特征太少,进一步寻找更多的特征入模看效果如何
-
特征的表征可能太过单一,是否可以在特征的基础上进一步构造一些衍生特征。衍生特征处理可参考库:https://mrjbq7.github.io/ta-lib/、https://github.com/HuaRongSAO/talib-document)
-
特征入模的效果如何进行评价,是否根据不同的效果对特征做进一步处理
-
-
学习算法方面:
-
回归的效果不好,改为分类看效果如何
-
rnn的算法不行,cnn和dnn如何
-
-
20190508:关于rnn解决金融股价预测方面效果的实测分析及可能的解决方法
猜你喜欢
转载自blog.csdn.net/weixin_38192254/article/details/111626757
今日推荐
周排行