关联规则挖掘算法在证券交易中的应用

发布时间：2017-10-13 09:30

  本文关键词：关联规则挖掘算法在证券交易中的应用

  更多相关文章： 关联规则 数据挖掘 Apriori算法 证券交易 股票时间序列

【摘要】：计算机、网络和大数据技术在国内金融市场尤其是证券市场的应用范围越来越广,证券市场作为国民经济的晴雨表,对证券市场尤其是证券交易行为的研究具有重要的经济和政治意义。在对证券市场进行基础分析和技术解析的前提下,对证券交易数据进行挖掘、解析和研究,进而发现这些数据间的相互联系,可以有效指导证券交易实际操作。关联规则挖掘在全球证券市场交易分析中已被广泛应用,其本质是揭示出隐藏在大量数据中的依赖关系,根据依赖关系可从某一对象出发,推断相关对象的信息。挖掘股票交易序列数据的关联规则,可使投资者把握各种股票走势和股票间的关系,做出正确的投资决策,具有较大的实用价值和积极的现实意义。论文主要研究数据挖掘中的关联规则挖掘在证券交易中的相关理论、技术以及具体应用方法,主要工作包括:(1)对关联规则挖掘相关研究和技术进行了详细归纳和深入总结。论文详细描述了数据挖掘理论与技术,主要包括数据挖掘含义、模式、面临的主要问题、应用现状以及在证券交易中的应用和发展趋势。(2)提出了基于搜索项约减和权重参数相结合的Apriori优化算法。对关联规则挖掘算法进行了深入研究,解析了关联规则中经典的Apriori算法,针对股票交易时间序列数据的特殊性,分析了Apriori算法的缺陷,对Apriori算法进行改进,提出了基于搜索项约减和权重参数相结合的Apriori优化算法,着重对Apriori算法在证券新交易行为和股指交易中的步骤、流程和参数进行了优化,并对改进算法的有效性和正确性进行了理论分析和实验验证。3)在证券交易分析预测中,设计并实现了一个基于改进Apriori算法的股票交易数据挖掘分析原型系统。该系统结合当前中国股票市场的特点,将近五年的股票交易数据通过关联规则中的证券时间序列匹配的方法转化为股票市场指数的长期参数,把近五日、十日、三十日的股票交易序列数据转化为短期参数,构建一套完整的参数数据集,作为验证程序的输入,使用Visual Studio开发实验验证程序,验证了算法的有效性和准确性,改进算法对证券新交易类型及股指交易具有较好的效果。
【关键词】：关联规则 数据挖掘 Apriori算法 证券交易 股票时间序列
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.51;TP311.13
【目录】：

• 摘要5-6
• Abstract6-12
• 第1章 绪论12-20
• 1.1 选题背景及意义12-15
• 1.2 本文的主要研究内容及安排15-17
• 1.3 国内外研究现状17-19
• 1.3.1 数据挖掘研究现状17-18
• 1.3.2 关联规则研究现状18-19
• 1.4 本章小结19-20
• 第2章 相关技术研究20-35
• 2.1 数据挖掘技术20-27
• 2.1.1 数据挖掘的概念、功能和过程21-25
• 2.1.2 数据挖掘的分类25-26
• 2.1.3 数据挖掘的研究历史与现状26-27
• 2.2 关联规则27-30
• 2.2.1 关联规则背景27
• 2.2.2 关联规则含义27-28
• 2.2.3 关联规则形式和分类28-29
• 2.2.4 关联规则算法综述及研究方向29-30
• 2.3 证券交易简要解析30-34
• 2.3.1 证券交易简介30
• 2.3.2 中国证券交易简介30-31
• 2.3.3 目前解析和研究证券交易的方法31-33
• 2.3.4 证券交易软件的介绍及评价33-34
• 2.4 本章小结34-35
• 第3章 基于Apriori算法的改进关联规则挖掘算法35-60
• 3.1 关联规则的基本概念35-37
• 3.2 Apriori经典算法37-47
• 3.2.1 Aprior算法过程42-46
• 3.2.2 Apriori算法分析46-47
• 3.3 证券市场分析中应用Apriori算法需考虑的特征47-52
• 3.4 基于搜索项约减的Apriori优化算法52-53
• 3.5 基于搜索项约减和权重参数相结合的Apriori优化算法53-59
• 3.5.1 算法思想54-56
• 3.5.2 算法步骤及流程56-57
• 3.5.3 实验验证57-59
• 3.6 本章小结59-60
• 第4章 关联规则挖掘原型系统设计与实现60-68
• 4.1 需求分析60-62
• 4.1.1 功能描述60-61
• 4.1.2 用例61-62
• 4.2 功能及结构设计62-63
• 4.3 系统关键模块描述及设计63-66
• 4.3.1 股票特征向量建立模块描述及设计64-65
• 4.3.2 改进Apriori算法实现模块描述及设计65-66
• 4.4 原型系统设计及实现66-67
• 4.5 本章小结67-68
• 结论68-70
• 参考文献70-72
• 致谢72

【相似文献】

中国期刊全文数据库 前10条

1 衡岳;;券商云集 技术荟萃——’98上海证券交易电子高新技术及券商服务博览会将举办[J];计算机与网络;1998年08期

2 李健;新一代证券交易计算机网络系统──“招银98”[J];吉林财税;2001年08期

3 胡羽;让证券交易飞入寻常百姓家[J];发明与革新;1996年07期

4 戈峰;证券交易计算机系统[J];中国金融电脑;1996年07期

5 李强,林敏,宋学斌,楚新民;计算机通讯技术在证券交易中的应用[J];大连轻工业学院学报;1998年02期

6 曹伯昆;;证券交易网络系统集成模式之优选[J];广东金融电脑;1998年03期

7 刘嵩;晏强;;移动证券交易安全风险防护实践[J];金融电子化;2014年01期

8 ;无线证券交易开通[J];电脑技术;2000年06期

9 ;惠普双机为证券交易上“保障”[J];金融电子化;2000年03期

10 ;证券交易：充满诱惑的行当[J];现代情报;1994年02期

中国重要会议论文全文数据库 前4条

1 陈彦廷;;论证券交易所得税制之宪法界限[A];财税法论丛（第14卷）[C];2014年

2 付兆丽;;论操纵证券交易价格罪[A];贵州省2004年刑法学年会论文集[C];2004年

3 吴飞;;从新华富时案谈证券交易信息产权的法律保护[A];当代法学论坛（2007年第2辑）[C];2007年

4 黄洪俊;;我国证券交易中存在的问题及其法律对策[A];第二届贵州法学论坛文集[C];2001年

中国重要报纸全文数据库 前10条

1 张先国;操纵证券交易价格，自买自卖获利2.8亿[N];新华每日电讯;2005年

2 叶冬青;在线证券交易的安全模式[N];中国证券报;2001年

3 山东师范大学法学院副教授、法学博士、美国休斯顿大学访问学者 曲冬梅;证券交易信息立法可以先行一步[N];人民政协报;2012年

4 何晓晴;网络证券交易障碍多[N];中国经济时报;2000年

5 本报记者　夏晓柏;五省证券交易中心惊现黑洞：5个人的“众成证券”[N];21世纪经济报道;2004年

6 本报记者 姜楠;突出许可使用 强化证券交易信息管理[N];证券日报;2007年

7 尚正　申银万国证券股份有限公司　招商证券股份有限公司;突出许可使用 强化证券交易信息管理[N];上海证券报;2007年

8 证券时报记者　 李昌鸿;七巨头联手打造泛欧证券交易平台[N];证券时报;2006年

9 ;突出许可使用强化证券交易信息管理[N];证券时报;2007年

10 招商证券股份有限公司;推动交易及相关系统改进规范使用证券交易信息[N];证券时报;2007年

中国博士学位论文全文数据库 前4条

1 郑刚;跨境证券交易运行机制与证券交易所全球化演进[D];复旦大学;2004年

2 郭晔;“有限理性”框架下证券交易监管研究[D];厦门大学;2002年

3 谢瑞清;证券交易税率及调整措施对于台湾股票市场之影响研究[D];暨南大学;2010年

4 司伟;证券交易履约保障法律机制研究[D];中国政法大学;2007年

中国硕士学位论文全文数据库 前10条

1 钱殠;编造并传播证券交易虚假信息罪客观方面研究[D];华东政法大学;2016年

2 李军勇;证券交易中场外配资法律监管研究[D];华东政法大学;2016年

3 连晓莉;我国证券交易环节课税问题研究[D];首都经济贸易大学;2016年

4 陈汉;完善我国证券交易税收制度的思考[D];中国社会科学院研究生院;2016年

5 闫鹤文;论证券交易异常情况的法律规制[D];辽宁大学;2016年

6 文娇;关联规则挖掘算法在证券交易中的应用[D];湖南大学;2016年

7 杜惟毅;网络证券交易及其法律规范[D];厦门大学;2001年

8 陈永森;基于信息技术的网络证券交易模式创新研究[D];中国海洋大学;2003年

9 李方;论我国网络证券交易及其法律制度的完善[D];中国政法大学;2008年

10 石璐;网络证券交易监管法律制度研究[D];天津大学;2011年

，

本文编号：1024107