Combining supervised and unsupervised learning methods to predict financial market movements
创建于 更新于
摘要
本研究结合监督学习与无监督学习，采用线性模型提取价格峰值特征及高斯混合模型（GMM）进行市场数据聚类，评估不同机器学习算法（如KNN、随机森林）对比随机策略的市场涨跌预测性能。6个月比特币、Pepecoin及纳斯达克分钟级数据验证显示，GMM预处理促进算法泛化，KNN和随机森林在Pepecoin市场表现出超越随机算法的收益潜力，为新型特征构建和市场细分提供实践路径 [page::1][page::6][page::8][page::15]
