Feature selection and regression methods for stock price prediction using technical indicators

要約

株価予測にはテクニカル指標を含む多くの要因が影響するため、最適な指標を選択するには機能の選択が重要です。
この研究では、テクニカル指標を使用し、株価終値の問題を解決するための選択および回帰手法を採用しています。
この研究の目的は、誤差を最小限に抑えて株価を予測することです。
提案された手法により、3 日間の時間枠によって作成されたデータが回帰手法の適切な入力に変換されました。
この論文では、Apple 社の過去 13 年間のデータについて 10 のリグレッサーと 123 のテクニカル指標が調査されました。
結果は 5 つの誤差ベースの評価基準によって調査されました。
提案された方法の結果に基づくと、MLPSF は MLP よりも 56/47% 優れたパフォーマンスを示します。
また、SVRSF は SVR と比較して 67/42% 向上しました。
LRSF は LR と比較して 76.7% 改善されました。
RISF 法により、リッジ回帰も 72.82 % 改善されました。
DTRSB メソッドは DTR よりも 24.23 % 改善されました。
KNNSB は KNN 回帰より 15.52 % 改善しました。
RFSB は RF よりも 6% 改善されました。
GBRSF も GBR より 7% 改善しました。
最後に、ADASF と ADASB も ADA 回帰より 4% 改善しました。
また、株価予測に関しては Ridge と LinearRegression が最良の結果をもたらしました。
結果に基づいて、株価を予測するのに最適な指標は、Squeeze_pro、パーセンテージ価格オシレーター、サーモ、ディケイ、アーチャー オンバランス ボリューム、ボリンジャー バンド、スクイーズ、一目指標です。
結果によると、提案された指標と回帰手法を適切に組み合わせて使用​​することで、高い精度で終値を予測することができました。

要約(オリジナル)

Due to the influence of many factors, including technical indicators on stock price prediction, feature selection is important to choose the best indicators. This study uses technical indicators and features selection and regression methods to solve the problem of closing the stock market price. The aim of this research is to predict the stock market price with the least error. By the proposed method, the data created by the 3-day time window were converted to the appropriate input for regression methods. In this paper, 10 regressor and 123 technical indicators have been examined on data of the last 13 years of Apple Company. The results have been investigated by 5 error-based evaluation criteria. Based on results of the proposed method, MLPSF has 56/47% better performance than MLP. Also, SVRSF has 67/42% improved compared to SVR. LRSF was 76.7 % improved compared to LR. The RISF method also improved 72.82 % of Ridge regression. The DTRSB method had 24.23 % improvement over DTR. KNNSB had 15.52 % improvement over KNN regression. RFSB had a 6 % improvement over RF. GBRSF also improved at 7% over GBR. Finally, ADASF and ADASB also had a 4% improvement over the ADA regression. Also, Ridge and LinearRegression had the best results for stock price prediction. Based on results, the best indicators to predict stock price are: the Squeeze_pro, Percentage Price Oscillator, Thermo, Decay, Archer On-Balance Volume, Bollinger Bands, Squeeze and Ichimoku indicator. According to the results, the use of suitable combination of suggested indicators along with regression methods has resulted in high accuracy in predicting the closing price.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google