1. 毕业设计（论文）的内容和要求

随机森林是近年数据挖掘组合分类技术的前沿问题，属于监督学习中的一种。

本课题将利用随机森林模型应用于金融产品收益率的趋势预测研究，并将该方法与其他监督学习方法进行比较，检验模型效果。

课题内容包括： （1）研究方法的确定，分析现有随机森林算法，从理论层面对现有方法进行比较分析，并试图提出改进算法； （2）利用r软件包和自编程序将选择的算法应用于模拟数据； （3）选择金融领域的投资产品数据样本，选择影响投资对象的指标，并考察这些指标对相应投资对象收益率趋势的影响，对指标重要性进行排序，对根据新样本信息对市场趋势进行预测； （4）将随机森林结果与其他传统机器学习方法进行比较； （5）结论及政策、投资建议。

2. 参考文献

[1] 吴小君,方秀琴,任立良,吴陶樱,苗月鲜. 基于随机森林的山洪灾害风险评估[J].水土保持研究，2018,25（3）：142-149. [2]张艳翠.改进的随机森林分类方法及其应用[J], 科技创新与应用,2016,(29):63-64. [3]马景义,,谢邦昌. 用于分类的随机森林和 Bagging 分类树比较[J] 统 计 与 信 息 论 坛,2010,25(10):18-22. [4]林娜娜1， 秦江涛. 基于随机森林的 A 股股票涨跌预测研究[J]. 上 海 理 工 大 学 学 报,2018,40(3):267-301. [5]张 潇，韦增欣. 随机森林在股票趋势预测中的应用[J],2018,21(3):120-123. [6]刘道文, 樊明智. 基于支持向量机股票价格指数建模及预测[J]. 统计与决策, 2013(2): 76#8211;78.

3. 毕业设计（论文）进程安排

第1-2周 收集资料，熟悉课题 第3-5周 查阅文献，研究课题，开题报告 第6-11周 论文初稿撰写 第12-15周 毕业论文修改整理 第16周 定稿打印，答辩准备 第18周 论文答辩