[发明专利]一种基于改进随机森林算法的股票收益率预测方法

权利要求书

1.一种基于改进随机森林算法的股票收益率预测方法，其特征在于，具体包括以下步骤：

步骤1：数据获取，通过网站获取股票日数据；

将数据分为训练集，验证集，测试集；

步骤2：获取数据进行指数平滑：

S₀＝Y₀ t＝0 (1)

S_t＝α*Y_t+(1-α)*S_t-1 t>0 (2)

式中S_t表示时间t的平滑值，Y_t表示时间t的实际值；

S₀表示t＝0时的数据平滑值，Y₀表示t＝0的实际值，t表示获取股票日的天数；S_t-1时间为t-1的平滑值，α为指数平滑因子，0<α<1；步骤3：特征提取

根据指数平滑结果计算技术指标，平滑的时间序列数据计算特征矩阵，将被投资者用来判断股票趋势涨跌的技术指标作为特征；

步骤4：PSO算法进行特征选择

将技术指标作为粒子群算法中的粒子，PSO算法中粒子的初始速度与位置随机分配，局部最优解P_idbest是当前迭代情况下粒子的最优位置，全局最优解P_gdbest是整个种群的最优位置；假设粒子群搜索空间维度为D，共有m个粒子，则粒子在空间的位置为x_i＝[x_i1,x_i2,…,x_iD]，速度为v_i＝[v_i1,v_i2,…,v_iD]，i＝1…m，计算公式如下所示：

调整空间位置

式中：V^k对应某粒子局部极值在第k维的速度，X^k粒子局部值第k维最优位置，代表第k次迭代过程时粒子群的局部最优位置，代表第k次迭代过程时粒子群的全局最优位置，S(·)表示sigmoid函数，以速度作为sigmoid函数的变量，调整空间位置是将粒子速度映射到[0,1]之间，并与随机数比较，更新粒子的位置状态，c₁,c₂是学习因子，且为正数，w是惯性权重，rand₁,rand₂∈[0,1]，随机均匀分布；

步骤5：设定判定条件：

设定判定条件：若迭代次数超过最大迭代次数，适应度低于设定的值，则跳出循环；

步骤6：特征选择：

将步骤4粒子群特征选择得到的二进制编码作为输入特征用于趋势预测，其中1表示被选中，0表示不被选中；

步骤7：输出最优特征：

若满足步骤5,设定的条件输出最优特征，否则返回步骤4；

步骤8：构建数据矩阵：

根据步骤7选择出的最优特征构建输入随机森林的数据矩阵；

步骤9：训练集和验证集进行交叉验证：

为提高随机森林的预测精确度，将训练集，验证集采用交叉验证进行调参，90％用于训练模型，10％用于验证模型；利用网格搜索算法对随机森林进行参数寻优，包括树的深度，随机状态，树节点的变量数、树的个数、OOB误分率以及变量重要性估计来提升预测准确度，从而得到预测模型，使得模型对数据有较好的适应度和更高的精度；

步骤10：股票交易信号即数据标签的建立：

将步骤8构建的数据矩阵作为训练数据，输入到随机森林算法进行训练，构建交易信号Yj＝{y1,y2,…,yj}，其中j＝1,2,…,n为样本编号；交易信号的具体构建步骤如下:

1)计算日均价p_j

其中C_j表示股票收盘价，H_j表股票最高价，L_j表示最低价；

2)计算未来k天的算数收益V_j，k＝1，2，…，10；

3)构建交易信号y_j

步骤11：样本内训练：

将由最优特征构建的数据矩阵输入随机森林算法模型进行训练，并用网格搜索算法对新的最优特征数据集进行参数寻优，并与实际股票趋势进行比较，得出股票预测的趋势以及预测的准确性；

步骤12：模型评价：

根据随机森林算法分类过程中，分类预测结果可以用混淆矩阵表示,如下表1所示：

表1混淆矩阵

	预测为+1	预测为0	预测为-1
真实为+1	TP	FZ1	FN1
真实为0	FP1	TZ	FN2
真实为-1	FP2	FZ2	TN

其中TP为正确分类的+1，TZ正确分类的0，TN为正确分类的负类,FP1为0类错误分为+1类，FP2为-1类错误分为+1类，FZ1为+1类错误分为0类，FZ2为-1类错误分为0类，FN1为+1类错误分为-1类，FN2为0类错误分为-1类，FP为FP1+FP2，FN(为FN1+FN2，FZ为FZ1+FZ2，N＝NTP+NFN+NFP+NTN+NTZ表示样本总量；

准确率Accuracy表示测试集中被预测正确的概率，召回率Recall表示原来是正类的样本预测对的概率，查准率Precision表示所有被预测为正类的样本中正确的概率，计算公式分别如下所示：

Recall＝TP/(TP+FN) (11)

Precision＝TP/(TP+FP) (12)

F是由灵敏度和查准率的加权平均值组成的综合性能指标，F值越趋近于1表示分类结果越好，公式如下：

以上这些参数是从混沌矩阵中获得的另一方面，在随机森林生成过程中，用bootstrap方法生成训练集，由于是有放回的重复抽样，与原始数据相比，只有大约63％的数据被重复抽取，其余数据不会出现，其中其余数据就是袋外数据OOB，使用袋外数据来估计随机森林算法的泛化能力，称之为OOB估计；以一棵树为单位，用OOB数据检测到的正确率为OOB_score，检测到的误差就是袋外误差OOB_error，将所有树的OOB_error取平均就是随机森林的OOB'_error，OOB'_error越小说明RF的泛化能力越强；适应度值Fitness由F与OOB'_error组成，值越小越好，公式如下：

OOB_error＝1-OOB_score (14)

Fitness＝OOB'_error+(1-F) (15)

步骤13：样本外测试：

确定最优参数后，再用测试数据来测试训练完后的随机森林算法模型，得到分类结果，以测试集所有预处理后的样本特征作为模型的输入，得到每个样本的T+k预测值得到分类结果，并与实际股票趋势进行比较，得出股票预测的趋势以及预测的准确性。