问ML算法在股票收益率预测中的应用
EN

Stack Overflow用户

提问于 2018-04-28 20:56:24

回答 1查看 85关注 0票数 0

我正在研究一个固定时间段(比如n天)内股票回报的预测模型。我希望提前收集一些想法。我的问题是：

1)把它变成一个分类问题是不是最好，比如说创建一个返回大于x%的伪变量？然后我可以尝试所有的ML算法。

2)如果我不把它变成一个分类问题，而是使用一个回归模型，那么将返回转换成日志是有意义的还是有必要的？

任何想法都是值得感谢的。

编辑:我的目标是相对宽泛的，在某种意义上，我想简单地提高选择过程的性能(选择积极的回报，避免消极的回报)

发布于 2018-04-28 22:35:03

在什么质量下最好？将其转换为阈值问题只意味着将问题空间转换为一个简单得多的问题空间。您的问题定义是您自己的；您可以将其转换为二进制分类问题(>x或不是)、多类分类问题(将其打包为范围)或简单地将其作为预测任务。如果使用后一种方法，仍然可以应用入库或分类，因为后处理step.
Classification只是预测的一个子类。logistic回归使用的对数变换只不过是一个巧妙的技巧，可以将输出转换为类似概率分布的东西；不要对此投入太多精力。也就是说，在输出上应用转换不一定是不好的(例如，您可以应用一些标准化来使您的输出保持在某个激活函数的范围内)。

票数 1

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/50076769

复制

相似问题

问ML算法在股票收益率预测中的应用EN