Machine learning 随机森林是解决这个问题的最佳途径？

我正在学习ML，想练习建立一个模型来预测第二天的股市回报，例如基于前几天的价格和成交量

我每天的当前值：

M = [[Price at day-1, price at day 0, return at day+1]
     [Volume at day-1, volume at day 0, return at day+1]]

我想找到定义第1天价格和第0天价格范围的规则，以以下方式预测第+1天的价格：

If price is below 500 for day-1 AND price is above 200 at day 0
The average return at day+1 is 1.05 (5%)

或

我不是在寻找任何解决办法，只是在寻找如何处理这个问题的总体战略

---

ML在这里有用吗？还是使用for循环遍历所有值来查找规则更好？我正在考虑随机森林，这是一个可行的选择吗？

是的。随机林可用于回归

但是，由于森林的聚集性，他们会倾向于预测平均值。常规决策树可能更具“决定性”。

我认为这是提出特定问题的更好选择。

If price is below 500 for day-1 AND price is above 200 at day 0
AND If volume is above 200 for day-1 AND volume is below 800 at day 0
The average return at day+1 is 1.09 (9%)