基于决策树的逐步回归算法及在股票预测上的应用
发布时间：2021-04-04 21:51
随着中国经济的不断发展,中国的股票市场越来越完善,逐步作为中国经济的晴雨表和观察中国经济的重要指标,许多投资者纷纷将投资放在了股票市场,大量的学者也纷纷投身于股票市场的研究和分析,并且总结出了许多股票预测的分析算法和模型,从而帮助投资者减少投资的风险。股票市场每时每刻都会产生大量的数据,这些数据包括了证券市场每天的股票数据,上市公司的财务数据等。这些数据看似没有任何规律、毫无关联,但是数据之下却隐藏着被我们忽略的有价值的信息。由于数据量庞大,使用一般的的方法难以对股票进行预测分析。随着大数据的兴起,数据挖掘技术成为了大数据的研究热点,数据挖掘的相关技术能够从庞大的看似毫无规律、杂乱无章的数据中提取出有价值的信息。因此,在基于股票分析方法的基本面分析法和技术面分析法的基础上,本文以数据挖掘技术中的逐步回归算法和CART决策树算法为基础,提出一种基于决策树的逐步回归算法并运用在股票预测上,以A股上市公司的年报的财务指标作为分析对象,对股票进行预测和分析。本文筛选出2007家A股上市公司2013年、2014年、2015年年报中的财务指标作为分析对象,经过分析选取七大指标能力的29个有代表性的...
【文章来源】：广东工业大学广东省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究的意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容及研究方法
1.3.1 研究内容
1.3.2 研究方法
1.4 本文组织结构
1.5 本章小结
第二章 相关理论知识介绍
2.1 股票投资分析方法概述
2.1.1 基本分析法概述
2.1.2 技术分析法概述
2.2 数据挖掘概述
2.2.1 数据挖掘概念
2.2.2 数据挖掘任务
2.2.3 数据挖掘的步骤
2.3 数据挖掘在股票分析预测中的适用性
2.4 本章小结
第三章 基于决策树的逐步回归算法
3.1 逐步回归算法介绍
3.1.1 逐步回归算法基本思想
3.1.2 逐步回归算法步骤
3.2 决策树算法的介绍
3.2.1 决策树算法的理解
3.2.2 决策树算法的生长
3.2.3 决策树算法的修剪
3.3 CART决策树算法介绍
3.3.1 构建最大数
3.3.2 修剪决策树
3.3.3 子树评估
3.4 基于决策树的逐步回归算法介绍
3.5 本章小结
第四章 基于决策树的逐步回归算法在股票预测上的应用
4.1 上市公司财务指标的选取
4.2 数据的选取
4.3 数据预处理
4.4 逐步回归算法模型的建立和实证分析
4.4.1 模型建立
4.4.2 实证分析
4.5 CART决策树算法模型的建立和实证分析
4.5.1 上市公司的分类标准
4.5.2 模型建立
4.5.3 实证分析
4.6 CART决策树算法模型改进
4.6.1 模型改进思想
4.6.2 实证分析
4.7 基于决策树的逐步回归算法模型
4.7.1 实证分析
4.8 本章小结
总结与展望
参考文献
攻读学位期间发表论文及成果
致谢
【参考文献】：
期刊论文
[1]基于C4.5决策树的股票数据挖掘[J]. 王领,胡扬. 计算机与现代化. 2015(10)
[2]我国股市现状分析及发展对策研究[J]. 房传兴. 商. 2015(11)
[3]决策树算法在股票预测中的应用[J]. 陈涛波,吴宝寅. 经营管理者. 2014(24)
[4]我国股市的现状及成因[J]. 仝浩辉. 经济研究参考. 2014(24)
[5]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[6]基于模糊核超球的快速分类算法在股票预测中的应用[J]. 龙真真,张正文. 计算机系统应用. 2014(01)
[7]基于数据挖掘技术的股票市场预测分析实例研究[J]. 邓南沙,苏文. 科技与企业. 2012(18)
[8]基于决策树的数据挖掘算法的应用与研究[J]. 邹媛. 科学技术与工程. 2010(18)
[9]数据挖掘中决策树方法的研究[J]. 施蕾,唐艳琴,张欣星. 计算机与现代化. 2009(10)
[10]基于逐步回归法的人口出生率影响因素分析[J]. 李松臣,张世英. 统计与决策. 2008(04)
硕士论文
[1]基于逐步回归分析的组合神经网络股指预测研究[D]. 高兴良.哈尔滨工业大学 2015
[2]基于数据挖掘组合模型的股价预测研究[D]. 何裕.西南财经大学 2014
[3]决策树及神经网络算法在股票分类预测中的应用[D]. 陶雨雨.杭州电子科技大学 2014
[4]基于逐步回归预测模型的话务管理系统设计[D]. 邵俊.复旦大学 2013
[5]基于数据挖掘技术的股票投资实证研究[D]. 张婧怡.重庆大学 2013
[6]数据挖掘方法在股票分析中的应用与研究[D]. 孙磊平.西南财经大学 2013
[7]筛选逐步回归方法的改进研究[D]. 周元娇.扬州大学 2011
[8]数据挖掘在股票预测中的应用[D]. 刘滢.长春理工大学 2010
[9]数据挖掘在股票投资中的应用[D]. 张彦来.首都经济贸易大学 2010
[10]基于数据挖掘技术的股价预测实证分析[D]. 唐文慧.西南财经大学 2009
本文编号：3118554
【文章来源】：广东工业大学广东省
【文章页数】：75 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究的意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容及研究方法
1.3.1 研究内容
1.3.2 研究方法
1.4 本文组织结构
1.5 本章小结
第二章 相关理论知识介绍
2.1 股票投资分析方法概述
2.1.1 基本分析法概述
2.1.2 技术分析法概述
2.2 数据挖掘概述
2.2.1 数据挖掘概念
2.2.2 数据挖掘任务
2.2.3 数据挖掘的步骤
2.3 数据挖掘在股票分析预测中的适用性
2.4 本章小结
第三章 基于决策树的逐步回归算法
3.1 逐步回归算法介绍
3.1.1 逐步回归算法基本思想
3.1.2 逐步回归算法步骤
3.2 决策树算法的介绍
3.2.1 决策树算法的理解
3.2.2 决策树算法的生长
3.2.3 决策树算法的修剪
3.3 CART决策树算法介绍
3.3.1 构建最大数
3.3.2 修剪决策树
3.3.3 子树评估
3.4 基于决策树的逐步回归算法介绍
3.5 本章小结
第四章 基于决策树的逐步回归算法在股票预测上的应用
4.1 上市公司财务指标的选取
4.2 数据的选取
4.3 数据预处理
4.4 逐步回归算法模型的建立和实证分析
4.4.1 模型建立
4.4.2 实证分析
4.5 CART决策树算法模型的建立和实证分析
4.5.1 上市公司的分类标准
4.5.2 模型建立
4.5.3 实证分析
4.6 CART决策树算法模型改进
4.6.1 模型改进思想
4.6.2 实证分析
4.7 基于决策树的逐步回归算法模型
4.7.1 实证分析
4.8 本章小结
总结与展望
参考文献
攻读学位期间发表论文及成果
致谢
【参考文献】：
期刊论文
[1]基于C4.5决策树的股票数据挖掘[J]. 王领,胡扬. 计算机与现代化. 2015(10)
[2]我国股市现状分析及发展对策研究[J]. 房传兴. 商. 2015(11)
[3]决策树算法在股票预测中的应用[J]. 陈涛波,吴宝寅. 经营管理者. 2014(24)
[4]我国股市的现状及成因[J]. 仝浩辉. 经济研究参考. 2014(24)
[5]使用随机森林算法实现优质股票的选择[J]. 曹正凤,纪宏,谢邦昌. 首都经济贸易大学学报. 2014(02)
[6]基于模糊核超球的快速分类算法在股票预测中的应用[J]. 龙真真,张正文. 计算机系统应用. 2014(01)
[7]基于数据挖掘技术的股票市场预测分析实例研究[J]. 邓南沙,苏文. 科技与企业. 2012(18)
[8]基于决策树的数据挖掘算法的应用与研究[J]. 邹媛. 科学技术与工程. 2010(18)
[9]数据挖掘中决策树方法的研究[J]. 施蕾,唐艳琴,张欣星. 计算机与现代化. 2009(10)
[10]基于逐步回归法的人口出生率影响因素分析[J]. 李松臣,张世英. 统计与决策. 2008(04)
硕士论文
[1]基于逐步回归分析的组合神经网络股指预测研究[D]. 高兴良.哈尔滨工业大学 2015
[2]基于数据挖掘组合模型的股价预测研究[D]. 何裕.西南财经大学 2014
[3]决策树及神经网络算法在股票分类预测中的应用[D]. 陶雨雨.杭州电子科技大学 2014
[4]基于逐步回归预测模型的话务管理系统设计[D]. 邵俊.复旦大学 2013
[5]基于数据挖掘技术的股票投资实证研究[D]. 张婧怡.重庆大学 2013
[6]数据挖掘方法在股票分析中的应用与研究[D]. 孙磊平.西南财经大学 2013
[7]筛选逐步回归方法的改进研究[D]. 周元娇.扬州大学 2011
[8]数据挖掘在股票预测中的应用[D]. 刘滢.长春理工大学 2010
[9]数据挖掘在股票投资中的应用[D]. 张彦来.首都经济贸易大学 2010
[10]基于数据挖掘技术的股价预测实证分析[D]. 唐文慧.西南财经大学 2009
本文编号：3118554
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3118554.html
