基于機器學習的股票趨勢預測方法研究

黃敏健 劉鈺萱

摘 ? 要：隨著我國經濟制度和保障體制的不斷完善，越來越多的人投入到股票交易市場中，而在錯綜復雜的股票市場中，根據股價趨勢選取最優股并采取適當的交易策略，是投資者和相關學者的討論中亟待解決的問題，如何有效地對股票趨勢進行預測成為研究領域的一個熱門。根據上市公司的股票數據和變化情況，運用4種機器學習模型對股價進行預測，實驗結果表明，各類模型可以提高預測的準確率，相較于K近鄰、邏輯回歸模型以及支持向量機模型，使用Tensorflow建立的模型各類評價指標上都表現出最好的預測結果。不同模型在結合金融投資特征適當調整之后，預測準確率有一定的提升。根據以上數據和分析，評價各種機器學習算法模型在股票趨勢預測方面的效用。

關鍵詞：機器學習;股票預測;python

隨著我國經濟制度和保障體制的不斷完善，越來越多的人投入到股票交易的市場中，而在錯綜復雜的股票市場中，根據股價趨勢選取最優股并采取適當的交易策略，是投資者和相關學者的討論中亟待解決的問題。

盡管股票市場是一個非線性、非平穩的系統，但是相對穩定條件下的股票市場依然存在一定的規律性。近年來，隨著數理統計、概率論及神經科學的發展融合，機器學習理論的日益完善，各類機器學習的模型在股票預測領域也得到了廣泛的應用。越來越多的人通過機器學習的方法實現對股票趨勢的預測。本文在sklearn框架下，分析清洗過后的股票歷史數據，通過訓練來得到可以預測股價的模型，在不同評測指標下將預測結果進行對比，并針對模型的不足對模型結構和參數進行改良，將改進前后的數據進行對照并作出分析。

1 ? ?相關技術和理論知識

1.1 ?機器學習的基本方法

機器學習通過研究計算機怎么模擬或實現人類的學習行為，以獲取新知識和技能，重新組織已有知識結構使不斷改善自身性能。針對經驗E（Experience）和一系列任務T（Tasks）和一定表現的衡量P，如圖1所示，如果隨著經驗E的積累，針對定義好的任務T可以提高表現P，說明計算機在過程中逐漸具備學習能力[1]。

1.2 ?基于Python預測股票價格的模型

1.2.1 ?K近鄰

K近鄰（K-Nearest Neighbor，K-NN）通過計算測試對象和所有訓練對象的距離，如式（1）所示，找出最近距離的k個對象中出現頻率最高的對象，通過其所屬類別確定測試對象的類別。

1.2.2 ?邏輯回歸和支持向量機

邏輯回歸（Logistics Regression，LP）模型為了線性擬合并且約束目標值域，使用sigmoid函數作為邏輯回歸單元來進行約束。數學模型如式（2）：

不同于使用均方誤差，為了達到盡可能使得曲線光滑以及盡可能使類似于一元二次函數的目的，采用如式（3）代價函數進行二分類，尋找全局最優點：

即轉化為優化交叉熵函數，最小化損失的求解過程，如式（4）所示;支持向量機就是將向量進行二分類的算法。核心思想是使分開的兩個類別有最大間隔，使得分割具有更高的可信度。同為二元分類器，SVM將股票指標這樣線性不可分的數據投影至完美線性可分或基本線性可分的空間，從而將股價價格漲跌問題轉化為漲跌分類問題。損失函數則構合頁函數加上正則化項如式（5）：

1.2.3 ?TensorFlow與Keras

對神經網絡的建立，主要使用多層感知機（Multi-Layer Perceptron，MLP），包括輸入輸出層和隱層，其中，股票價格將被輸入到模型中，并且會使用特定權重值通過隱藏層向前送入以產生輸出。通過損失函數（Loss Function）來進行評價和優化，如式（6）所示：

2 ? ?評價指標

2.1 ?部分回歸指標

回歸類指標中，y為預測的真實值，為預測值，在模擬的過程中，它們越小那么模型預測的效果就越好，均方誤差（MSE）、均誤差（RMSE）和平均絕對誤差（MAE）如式（7）所示：

2.2 ?部分分類評價指標

查準率（精準率）：Precision = TP÷（TP+FP）。

查全率（召回率）：Recall = TP÷（TP+FN）。

正確率（準確率）：Accuracy=（TP+TN）÷（TP+FP+ TN+FN）。

其中，TP—真正例，實際為正預測為正;FP—假正例，實際為負但預測為正;FN—假反例，實際為正但預測為負;TN—真反例，實負預測。

3 ? ?股票預測模型的構建

通過網絡爬蟲獲取20只國內上市公司股票的交易指標和S&P 500 Index，也就是標準普爾500指數，記錄了美國500家上市公司的股票指數，其成分股由工業、運輸業、公用事業和金融業股票組成。采樣面廣、代表性強。數據預處理環節如圖2所示。

運用理論部分監督學習模型策略的知識對將對多支股票的交易特征分別進行建模，預測漲跌趨勢。對于神經網絡部分分別采用同步和異步預測，同樣對價格趨勢進行預測[2]。

4 ? ?預測模型的實現

4.1 ?傳統機器學習模型的實現

4.2 ?TensorFlow的實現

圖5為同步預測，隨著訓練次數增加，同步擬合的擬合率得分接近于0.98，各類誤差指標水平同樣較低，可以精準地預測大盤價。盡管在精確度上表現良好，但是由于預測形式特殊，應用于實際有一定困難。

使調用歷史若干個時刻的股票指數，通過神經網絡循環神經網絡進行預測實際指數預測大盤指數，結果如圖6所示。

結果擬合程度較高，均方誤差為（0.10±0.05），測試集上為0.001 5。由于采用的是歷史價格，此方法更適合于用于實際預測。

5 ? ?未來發展方向

對股票交易的不同預測需求場景下對應的指標和方法選取需要有準確的認識。回歸評價指標和分類評價指標呈現出較大的差異性，因此，評價指標和相應機器學習方法的選取必須結合對股票預測的具體需求。如果策略更加偏向于準確價格范圍預測，由前文所述使用回歸評價指標，精度較高的可以有效地基于此比較誤差。此類指標的誤差均值對被評估數據的異常點（outliers）較敏感，如果交易指標中有一些異常值出現，會對以上指標的值有較大影響，同時也對數據的清洗提出了更嚴格的要求。對于分類評價指標，則更看重業務邏輯。對于傾向性問題，如帶有感情色彩的策略制定，精度評價無法勝任;對于盈利虧損的接受程度，調整傾向決定了調整查全率、查準率還是使用兼顧兩者的F1-Score的標準，均能較好地適合期望穩定收益的場景。AUC由于和概率的相對大小（概率排序）有關，與絕對值無關，不適合準確價格的預測。因此更加適合非均衡（漲跌不均勻分布）時預測，或基于趨勢選取交易策略的場景。

6 ? ?結語

從本文的相關研究發現，機器學習算法可以通過一定范圍的指標評估從而輔助交易策略。通過結合具體交易場景選取適當的參數和評價指標，則可以實現從價格趨勢的預測到實際收益提升的轉換。然而在實際環境中，模型預測的準確率具有數據依賴性，無法訓練一個模型適用于所有場景。一方面考慮到本文所取的股票樣本仍然不夠全面，且現實中的股票市場還有復雜的政治、經濟因素會造成無法預估的影響，要得出具有泛化能力的模型，還需要對股票所屬產業和具體交易場景作進一步的分類和深入的調查，更加全面的數據分析和模型調整，將機器學習算法的思想和現實應用更好地結合。

[參考文獻]

[1]傅航聰，張 ?偉.機器學習算法在股票走勢預測中的應用[J].軟件導刊，2017，16（10）：31-34，46.

[2]文 ?成.基于機器學習方法的股票數據研究[D].重慶：重慶理工大學，2011.