基于CART和相似股的股票价格走势预测算法研究

　　目前预测股票价格大多都基于单支股票的历史价格数据，并试图找出其股价变化规律，训练出可预测价格的模型。但实际股票价格的波动会受众多社会实时因素和投资者行为的影响，因此基于历史数据的股票价格预测模型往往失效。为此，本文研究2100支股票中具有相似历史价格变化的股票，并基于时间序列窗口滑动获得用于预测模型的训练的数据和预测数据，使用决策树CART（Classification and Regres-sion Trees）对预测结果数据做出判别。并与经典的时间序列分析模型ARMA（Auto regressive Moving　Average ModeD对股票价格走势预测的结果进行分析比较，实验结果验证了本文提出的方法预测结果的有效性。