Πρόβλεψη της πορείας μετοχών με τον αλγόριθμο XGBoost

Abstract

Οι χρηματοοικονομικές αγορές είναι γνωστές για την πολυπλοκότητά τους και την απροβλέπτου φύση τους, καθιστώντας τες μια πρόκληση για επενδυτές. Η ακριβής πρόβλεψη της κίνησης των τιμών των μετοχών είναι ζωτικής σημασίας για τη λήψη ενημερωμένων αποφάσεων επενδύσεων. Σε αυτό το έργο, αξιοποιούμε τη δύναμη του XGBoost, ενός προηγμένου αλγορίθμου μηχανικής μάθησης που ξεχωρίζει για την ταχύτητά του και την προβλεπτική του ακρίβεια. Ωστόσο, αντί να αντιμετωπίσουμε την πρόβλεψη των τιμών των μετοχών ως ένα πρόβλημα παλινδρόμησης, το μετατρέπουμε σε ένα πρόβλημα δυαδικής ταξινόμησης. Ταξινομούμε κάθε περίοδο σε μία από δύο κατηγορίες: "θετική κίνηση" ή "αρνητική κίνηση". Ο τελικός στόχος είναι να επιτρέψουμε στους επενδυτές να λαμβάνουν αποφάσεις αγοράς ή πώλησης βασιζόμενοι στις προβλέψεις του μοντέλου μας. Για να το πετύχουμε αυτό, χρησιμοποιούμε ιστορικά δεδομένα τιμών μετοχών και θεμελιώδη στοιχεία. Προεπεξεργαζόμαστε και διαμορφώνουμε αυτά τα χαρακτηριστικά για να δημιουργήσουμε ένα σύνολο δεδομένων κατάλληλο για την εκπαίδευση ενός ταξινομητή XGBoost. Στη συνέχεια, ασχολούμαστε με την εκπαίδευση του μοντέλου, τη βελτιστοποίηση των παραμέτρων και την αξιολόγηση της απόδοσης μέσω του Crossvalidation με βάση το μετρικό δείκτη του accuracy. Αξιολογούμε τις προβλεπτικές ικανότητες του μοντέλου χρησιμοποιώντας Classification Report και Confusion Matrix. Τα αποτελέσματα αυτού του έργου έχουν τη δυνατότητα να παρέχουν πολύτιμες πληροφορίες και υποστήριξη στη λήψη αποφάσεων για επενδυτές, εμπόρους και χρηματοοικονομικούς αναλυτές. Μέσα από αυτό το έργο, στοχεύουμε να επιδείξουμε την αποτελεσματικότητα του XGBoost στον τομέα της πρόβλεψης της κίνησης των τιμών των μετοχών και να προσφέρουμε μια πρακτική λύση σε όσους επιδιώκουν να αντιμετωπίσουν την πολυπλοκότητα των χρηματοοικονομικών αγορών.