[論文レビュー] The Random Forest Model for Analyzing and Forecasting the US Stock Market in the Context of Smart Finance

Jiajian Zheng, Xin Duan+3 more|arXiv (Cornell University)|Feb 27, 2024

Economic and Technological Systems Analysis被引用数 25

ひとこと要約

本論文は、最適なパラメータを用いて、4つの米国株を対象としたテストセットでAIを組み合わせたランダムフォレストモデルを評価し、株価トレンドの方向（上昇、横ばい、下落）を予測する。予測精度と時間効率に焦点を当てる。

ABSTRACT

The stock market is a crucial component of the financial market, playing a vital role in wealth accumulation for investors, financing costs for listed companies, and the stable development of the national macroeconomy. Significant fluctuations in the stock market can damage the interests of stock investors and cause an imbalance in the industrial structure, which can interfere with the macro level development of the national economy. The prediction of stock price trends is a popular research topic in academia. Predicting the three trends of stock pricesrising, sideways, and falling can assist investors in making informed decisions about buying, holding, or selling stocks. Establishing an effective forecasting model for predicting these trends is of substantial practical importance. This paper evaluates the predictive performance of random forest models combined with artificial intelligence on a test set of four stocks using optimal parameters. The evaluation considers both predictive accuracy and time efficiency.

研究の動機と目的

• 投資家にとっての株式市場予測の重要性、資金調達コスト、マクロ経済の安定性を動機付けとする。
• 買い/保有/売りの判断を支援するために、株価トレンド（上昇、横ばい、下落）を予測することを目指す。
• 小規模で管理された銘柄セットに対するAIを組み込んだランダムフォレストモデルの予測性能を検証する。
• 実用性を評価するために、予測精度と時間効率の両方を検討する。

提案手法

• 人工知能技術を用いて強化したランダムフォレストモデルを適用し、株価トレンド方向を予測する。
• テストセットとして4つの米国株を使用する。
• ランダムフォレストモデルの最適パラメータを調整して用いる。
• 予測精度と計算時間の観点からモデル性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 AIを組み込んだランダムフォレストモデルは、米国株の株価トレンド方向（上昇、横ばい、下落）を効果的に予測できるか？
• RQ2 選択された4銘柄のテストセットに対するRF+AIアプローチの予測精度はどれくらいか？
• RQ3 代替予測手法と比較した場合、RF+AIモデルは時間効率の面でどうか？
• RQ4 最適なパラメータ設定は予測性能と効率を有意に向上させるか？

主な発見

• 本研究は、AIを組み合わせたランダムフォレストモデルの予測性能を、4銘柄のテストセットで評価する。
• 株価トレンド予測のために、最適パラメータを用いてRFモデルを調整する。
• 評価は予測精度と時間効率の両方を考慮し、実務的な予測の実現可能性を強調する。
• 結果は、RF+AIフレームワークがスマートファイナンスの文脈で株価トレンドを予測するのに適用できることを示している。