本文利用机器学习的相关方法对股票市场的游戏行业板块进行量化投资建模分析，并对 A 股市场的游戏行业板块收盘价进行预测分析判断，同时也可以给个体投资者的投资策略有一个有力的参考。利用同花顺软件，获取同花顺行业中的游戏指数样本，来源于 2017 年 11 月 21 日到 2022 年 11 月 21 日的日统计数据，共 1214 条数据。从股票市场的常用指标数据中选取相对影响较大的代表性较强的 10 个指标分析。股票收盘价预测有着非线性映射关系，因此使用机器学习会有较好的预测效果。分别对原始数据进行多元线性回归分析预测、随机森林回归预测和 BP 神经网络回归预测，可以发现三者对于预测的效果均有不同，多元线性回归预测时误差较大且多个指标未通过 P 检验。将 BP 神经网络的误差结果与随机森林进行对比分析，可以发现 BP 神经网络回归预测结果略好于随机森林，误差结果略小于随机森林。BP 神经网络的预测曲线比随机森林的预测曲线更加贴近实际值，但两者误差均较小，均有着不错的预测效果。相比而言。机器学习在股票价格预测方面具有传统线性模型无可比拟的优势。

付费可得论文全文+代码+数据+汇报PPT