[论文解读] How do the naive Bayes classifier and the Support Vector Machine compare in their ability to forecast the Stock Exchange of Thailand?

Napas Udomsak|arXiv (Cornell University)|Nov 29, 2015

Stock Market Forecasting Methods参考文献 12被引用 5

一句话总结

本研究使用2010年1月的數據，比較朴素貝葉斯分類器與支援向量機（SVM）在預測泰國證券交易所（SET）市場表現的表現。模型以Weka 3平台訓練，基於SET100指數特徵，結果顯示朴素貝葉斯模型在預測準確度上優於SVM，但由於市場複雜性，兩者整體預測能力仍有限。

ABSTRACT

This essay investigates the question of how the naive Bayes classifier and the support vector machine compare in their ability to forecast the Stock Exchange of Thailand. The theory behind the SVM and the naive Bayes classifier is explored. The algorithms are trained using data from the month of January 2010, extracted from the MarketWatch.com website. Input features are selected based on previous studies of the SET100 Index. The Weka 3 software is used to create models from the labeled training data. Mean squared error and proportion of correctly classified instances, and a number of other error measurements are the used to compare the two algorithms. This essay shows that these two algorithms are currently not advanced enough to accurately model the stock exchange. Nevertheless, the naive Bayes is better than the support vector machine at predicting the Stock Exchange of Thailand.

研究动机与目标

• 評估並比較朴素貝葉斯與支援向量機分類器在泰國證券交易所的預測表現。
• 評估這些機器學習模型在實際金融數據下是否能有效預測股市走勢。
• 識別在新興市場股票指數背景下，哪種演算法能產生更高的分類準確率與更低的誤差率。
• 探討傳統機器學習模型在捕捉股市行為非線性動態方面的限制。

提出的方法

• 從指定網站收集2010年1月泰國證券交易所指數（SET100）的數據。
• 根據先前對SET100指數行為的研究結果，選取輸入特徵。
• 使用Weka 3機器學習平台，以標記的訓練數據訓練模型。
• 利用均方誤差、正確分類個案比例及其他標準誤差指標評估性能。
• 在相同數據與評估條件下，實作並比較朴素貝葉斯與SVM演算法。
• 進行統計比較，以判斷模型在預測市場走勢方向上的相對有效性。

实验结果

研究问题

• RQ1 朴素貝葉斯分類器與支援向量機在預測泰國證券交易所每日走勢方向方面的表現如何？
• RQ2 哪種模型在預測SET走勢時具有更高的分類準確率與更低的誤差率？
• RQ3 這些機器學習模型在多大程度上能捕捉泰國等新興市場股市動態的複雜性？
• RQ4 根據均方誤差或分類準確率等誤差衡量標準，模型表現是否存在系統性差異？

主要发现

• 與支援向量機相比，朴素貝葉斯分類器在預測泰國證券交易所走勢方向方面表現更優異。
• 兩種模型整體預測準確度均有限，顯示當前實現方式不足以提供可靠的市場預測。
• 正確分類個案的比例在朴素貝葉斯模型中更高，顯示其具有更好的預測穩定性。
• 朴素貝葉斯分類器的均方誤差值較低，進一步支持其在該數據集上的表現更強。
• 儘管理論上具有優勢，但兩種演算法在SET數據上均未實現穩健的預測能力。
• 研究結論認為，需進一步優化模型或採用其他方法，方能實現有效的股市預測。