股票預測的特征提取

Question

我每天都有 20 個股票價值的數據集 - 60 天前。 這些股票會影響我想要預測的股票 x，我也得到了股票 x 的值。 我想創建一個 model 來預測股票 x 並使用 10 個交叉驗證對其進行測試。 我正在尋找要從數據中提取的特征以創建 model。 有任何想法嗎？

Answer 1

我建議您使用以下方法進行特征選擇，以制作高效的 model。 我不能說哪個是最好的，因為它在很大程度上取決於數據集。 如果您嘗試一下，您可以在互聯網上輕松找到實現、文獻、示例等。 此外，模型的選擇可能會有所不同，因為您沒有提到您是嘗試監督方案還是無監督方案。

無監督的特征選擇方法：

• 拉普拉斯分數特征選擇

• 光譜特征選擇

• GLSPFS 特征選擇

• JELSR 特征選擇

• 主成分分析

• 低密度脂蛋白

• 非負矩陣分解

• SPEC 系列 - 標准化切割、任意聚類、固定聚類

• 稀疏聚類 - 套索

• 局部特征選擇——LFSBSS算法

• 多集群特征選擇

• 加權 K 均值

但是，如果您只對特征工程更感興趣，那么此庫的 go： https://github.com/blue-yonder/tsfresh