论文部分内容阅读
针对传统信息管理系统准确性和时效性较差的问题，提出一种基于机器学习的股票量化交易系统。系统硬件部分采用Web端服务器和100Base-T广域网的网络服务器，并搭载含有数据决策功能的信息控制机制；系统软件部分利用优化数据查询代码的方式强化信息储存和管理能力，并通过朴素贝叶斯算法结合模拟假设法，建立基于股票信息特征的数据样本和代表集合，通过包含所有非负整数的集合范围，获得最小方差错误概率，确定朴素贝叶斯特征分类规则，实现对样本数据有效分类和管理。实验结果表明，测试结果可靠性较强、检测率较高、误报率较小，能够实现信息的有效管理。