今天是论文笔记，原论文可参考：Predicting stock and stock price index movement using Trend Deterministic Data Preparation and machine learning techniques

作为一个很新(2015)的论文，也没有使用特别强大的模型，然而他却拿到了六百多引用，
主要原因除了作者对十个技术指标进行整理外，他还使用了一个特别的预处理。

趋势化资料

该篇论文使用两个形态特徵当作模型的输入，

• 原始技术指标
• 趋势化後指标

前者基本上进行normalize後就喂给模型了，效果当然是和很多论文一样差强人意，
亮点主要在於第二个趋势化，作者使用的是该指标预测股票之後的「趋势」来当成特徵，
比如收盘价超过SMA10即将该特徵设为1(看涨)，反之设为-1(看跌)，
听起来很熟悉是吧? 基本上就是我们之前在做的事。

而有学过机器学习的人应该会感到很熟悉，这不就是我们常在用的Ensemble吗!

• Ensemble - Bagging, Boosting & Stacking