[论文解读] 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 25

一句话总结

本文评估结合人工智能的随机森林模型，以预测股票趋势方向（上涨、横盘、下跌），在四只美股的测试集上进行评估，关注使用最佳参数时的预测准确性和时间效率。

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.

研究动机与目标

• 通过股票市场预测对投资者、融资成本和宏观经济稳定性的重要性来激发本研究。
• 旨在预测股票价格趋势（上涨、横盘、下跌），以辅助买入/持有/卖出决策。
• 研究带有AI的随机森林模型在一小组受控股票上的预测性能。
• 同时考察预测准确性和时间效率，以评估实际可行性。

提出的方法

• 应用结合人工智能技术的随机森林模型来预测股票趋势方向。
• 使用由四只美国股票组成的测试集。
• 调整并使用随机森林模型的最优参数。
• 评估模型在预测准确性和计算时间方面的性能。

实验结果

研究问题

• RQ1 带有AI的随机森林模型是否能够有效预测美国股票的价格趋势方向（上涨、横盘、下跌）？
• RQ2 在所选的四股票测试集上，RF+AI方法的预测准确性是多少？
• RQ3 与其他预测方法相比，RF+AI模型在时间效率方面的表现如何？
• RQ4 最优参数设置是否能显著提升预测性能和效率？

主要发现

• 本研究评估带有AI的随机森林模型在四只股票测试集上的预测性能。
• 使用最优参数来调整RF模型以预测股票趋势。
• 评估同时考虑预测准确性和时间效率，突出该方法在实际预测中的可行性。
• 结果表明RF+AI框架可应用于智能金融背景下的股票趋势预测。