26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx

下载本文档

阅读 0
格式 docx
大小 434.57 KB
约35页
2026-06-09
收藏
评论
点赞(0)
海报
举报

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第1页

1/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第2页

2/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第3页

3/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第4页

4/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第5页

5/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第6页

6/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第7页

7/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第8页

8/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第9页

9/35页

26年WH计算机科学与技术(数字技术) 基于集成学习的股票预测10.34-AI11.43-约16248字符.docx_第10页

10/35页

在线预览已结束，请下载后查看完整版，加入VIP享文档下载特权

/35

文本预览下载提示常见问题

JXSFDX 计算机科学与技术（数字技术工程师）专业 2026 届学士学位论文I摘要人工智能技术发展快速，机器学习还有深度学习这些方法在金融领域应用越来越多。传统量化选股模型。受限于难以同时刻画股票截面特征和时间序列动态特征，本文设计并实现了一种基于集成学习的分钟级量化选股系统。系统使用分钟级行情数据，形成多因子特征模式，把 LightGBM 模型的截面建模能力与 Pegformer 深度时序。模型具有提取序列特征的能力，可以用来预测未来短周期收益。在系统架构方面，本文使用 MVC 模式形成整体模式，后端依靠 FastAPI 进行模型推理和接口服务，数据层进行...

1、当您付费下载文档后，您只拥有了使用权限，并不意味着购买了版权，文档只能用于自身使用.。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。
3、如文档内容存在违规，或者侵犯商业秘密、侵犯著作权等，请点击“违规举报”。

碎片内容