基于改进KNN算法的股票风险预测

本文针对投资风险预测问题，测算股票的在险价值并选取指标，采用KNN分类算法对次日股票跌幅进行分类预测，并结合股票不同指标间相关性较强且数值差异过大的特性以及投资者交易实时更新数据的特征，采用向量正交化和更新样本外预测两种方法共同对算法进行改进，在实证对比后发现尽管最终改进前后算法预测准确率均达到85%，但改进后的算法能在K值较小时快速提高预测风险是否发生的正确率，快速捕捉风险，且改进后的算法有效降低了低估风险的概率，在风险控制方面更有效。同时，通过对两种改进方法的分解，发现更新样本外预测这一手段对算法改进的帮助更大。