随着全球经济一体化的不断加深，能源市场与金融市场之间的联系日益紧密。国际原油期货作为全球能源市场的核心指标之一，其价格波动不仅直接影响到石油生产国和消费国的利益分配，还通过多种渠道对相关股票市场产生深远影响。在我国，石油行业的股票市场同样受到国际油价变化的显著影响。因此，探讨国际原油期货价格如何作用于我国石油股票价格，并寻找有效的预测方法显得尤为重要。

决策树算法作为一种广泛应用于数据挖掘领域的机器学习技术，在处理分类问题时具有直观易懂、易于解释的特点。它能够从大量历史数据中自动发现特征之间的关系，并据此构建模型以实现对未来趋势的预测。近年来，随着计算能力的提升以及大数据技术的发展，基于决策树算法的研究成果越来越多地被应用于金融领域，包括但不限于股票价格预测、风险评估等方面。

本文旨在利用决策树算法来分析国际原油期货价格变动对我国内陆及沿海地区主要石油上市公司股价走势的影响机制。首先收集整理了过去十年间WTI（西德克萨斯轻质原油）期货收盘价与中国A股市场上石化类上市公司每日收盘价的数据集；然后采用Python编程语言中的sklearn库实现了ID3、C4.5等多种经典决策树算法，并通过交叉验证法优化参数设置；最后对比不同算法下的预测准确率，选取最优模型用于实际应用测试。

实验结果显示，在考虑了宏观经济环境、汇率水平等因素之后，基于改进后的CART算法所建立起来的价格预测模型取得了较为理想的性能表现。该模型不仅能较好地捕捉到短期内国际油价变化对于国内石油股票价格带来的冲击效应，同时也揭示出了某些长期性因素如政策调整对企业市值增长潜力的重要性。此外，通过对关键节点分裂条件进行深入剖析，我们进一步发现了几个值得关注的投资机会点位。

综上所述，本研究证明了将决策树算法引入到石油行业股票价格预测中是可行且有效的。未来工作中还可以尝试结合其他先进的机器学习框架如随机森林、支持向量机等进一步提高预测精度，并探索更多维度上的因果关系，为投资者提供更加全面可靠的信息支持。同时也要注意防范过度依赖技术手段而忽视基本面分析所带来的潜在风险。