用于股票预测的特征提取

Question

我得到了每天20只股票的数据集-- 60天前。这些股票会影响我想要预测的股票x，我也得到了股票x的值。我想创建一个模型来预测股票x，并用10个交叉验证来测试它。我正在寻找要从数据中提取的特征，以便创建模型。有什么想法吗？

Answer 1

我将建议您使用以下方法进行特征选择，以建立一个有效的模型。我不能说哪一个是最好的，因为它在很大程度上取决于数据集。如果你尝试一下，你可以很容易地在互联网上找到它的实现，文献，例子等。此外，模型的选择可能会有所不同，因为您没有提到您正在尝试的是监督方案还是非监督方案。

用于特征选择的无监督方法：

• 拉普拉斯分数特征选择

• 频谱特征选择

• GLSPFS feature selection

• JELSR feature selection

• PCA

• LDA

• Non-negative矩阵Factorisation

• 规格系列-标准化Cut、ArbitraryClustering、FixedClustering

• 稀疏群集-套索

• 本地化特征选择- LFSBSS

算法

• Multi-Cluster Feature Selection

• 加权K均值

但是，如果您只对功能工程感兴趣，那么可以使用这个库：https://github.com/blue-yonder/tsfresh