39、股票市场预测与半导体基板故障检测模型研究

股票市场预测与半导体基板故障检测模型研究

1 股票市场预测系统

1.1 研究数据

为了进行分析，我们从四个不同的国家（加纳、南非、美国和印度）获取了四个股票数据集。各数据集的特征（所选自变量）数量有所不同，具体信息如下表所示：
| 数据源 | 数据大小 | 特征数量 | 时间范围 |
| — | — | — | — |
| GSE [加纳] | 1100 | 9 | 2012 年 1 月至 2017 年 12 月 |
| NYSE [美国] | 1760 | 15 | 2012 年 1 月 3 日至 2018 年 12 月 |
| JSE | 1749 | 7 | 2012 年 1 月至 2018 年 12 月 |
| BSE [印度] | 984 | 12 | 2015 年 1 月至 2018 年 12 月 |

我们从 2012 年 1 月到 2018 年 12 月从 GSE、JSE、NYSE 和 BSE 获取市场指数，用于评估使用全球数据集的集成技术。先前的研究表明，某些集成方法在全球某些地区的数据集上表现不佳，我们的实验也支持了这一观点。数据集包含每日股票数据（年度最高价、年度价格、收盘价）。为了推广本研究的结果，我们使用了五个广泛使用的技术指标：（SMA）、（OBV）（OBV）。读数基于五个主要指标。我们旨在使用回归和分类来预测 30 天的收盘价和走势。在进行进一步分析之前，下载的数据集经历了两个基本过程：数据清理和数据转换。

1.2 数据清理

由于股票市场数据固有的复杂性和随机性，它总是容易受到噪声的影响，这可能会阻止机器学习系统准确分析潜在模式。方程（1）使用小