论文类型：
期刊论文
第一作者：
孙伯维
合写作者：
姚念民,孙玉轩
发表时间：
2020-01-01
发表刊物：
小型微型计算机系统
文献类型：
J
卷号：
41
期号：
1
页面范围：
35-39
ISSN号：
1000-1220
关键字：
排序学习;股价预测;经济数据提取;数据挖掘;单股收益排名
摘要：
对于在深圳证券交易所上市的公司,通过分析和挖掘其季度报表或者相关交易网站中的数据,提取到排名预测任务中相关的数据特征以及通过爬虫获得的文本特征,成功构建了公司每股收益预测排名的模型,实现了对股价收益排名的合理预测.实验结果表明,我们的提出的模型能够有效的提高股价排名预测任务的性能,其中SPRP-Random Forests模型在NDCG@10评价指标中可以达到0. 9583.在为股民选择股票,公司经营模式调整等方面具有一定的实用价值.
是否译文：
否
