把握股票价格的走势是一个复杂的系统工程,做投资分析时,使用一个或几个技术指标可能存在片面性,而选用太多的指标又会导致操作上的困难。本文尝试用梯度上升决策树模型(GredientBoostDecisionTree)整合多个技术指标预测股票价格趋势,考查GBDT模型在股票价格趋势预测中的适用性。首先对技术指标数值做离散化处理并作为训练模型的特征矩阵;其次,采用股票未来几期的价格变动来划分股票的真实趋势,作为训练模型的分类标签。实证中用沪深300指数、吉林敖东(000623)、东方航空(600115)、招商银行(600999)从2010年至2014年、2011年至2015年、2012年至2016年间的日交易数据作为样本数据训练GBDT模型。最后用GBDT模型预测的买入信号、卖出信号做投资策略回测分析。实证结果表明,GBDT模型产生的趋势信号略滞后于真实趋势的发生,但是遵循GDBT模型信号做交易的策略盈利能力大幅跑赢买入持有策略的收益率。该模型能捕获2014-2016年间的几次涨跌趋势,对交易者的投资策略具有一定的参考意义。本文的创新之处在于:首次将GBDT模型应用到股票价格趋势预测中;通过对技术指标做离散化处理,从而降低了模型的训练难度,提高了模型的训练速度;用未来多期的股价计算股票当期的趋势标签,使得模型更贴近于实际场景。