基于数据挖掘的周内股价涨跌幅预测
发布时间：2017-11-20 14:26
本文关键词：基于数据挖掘的周内股价涨跌幅预测
更多相关文章： 股价波动 关联规则 最小生成树 周内涨跌预测
【摘要】：随着国家经济的腾飞以及人们投资观念的不断加强,股票成为投资理财的重要工具。因此,如何合理的预测股票的走势,规避股市风险,成为了近年来的热门问题。许多投资者以及学术研究者从多个层面,提出多种方法,对股票的价格波动趋势进行预测分析。本文先从上证指数提取具有完整周数据的一周日收盘价数据,将一周前三天与后三天的日收盘价数据处理为涨跌百分比的形式,对涨跌散点图进行概念分类,运用关联规则,挖掘周内前三天和后三天各个状态的关联情况,周间的一周后三天与下周前三天各类的关联情况,以及周内、周间各类的关联情况。发现股票大多数的状态转移,是涨跌横盘到趋于横盘,且股票转移的连续性很强,态之间的跳跃性转换所占的比例相对较小。股票的牛市、熊市是靠少数状态的跳跃转移、连续向较强的状态转移或连续向较弱的状态转移造成的。这个结果对股票的短期预测分析具有一定的参考价值。最后,运用最小生成树的结构原理,将生成树分为主中心点、次中心点和离群点。将这个方法运用在行业板块股价数据中,对应的将行业板块分为主中心板块、次中心板块和离群板块三类。分析这三类行业板块的股价行情可以得出:主中心板块股价波动的稳定性很好,代表了市场中大多数行业板块的涨跌波动情况;离群板块的市场活跃性较大,反映少数板块的偏离情况。同时分别取中心、离群板块中具有代表性的一个行业板块,用关联规则挖掘他们前三天到后三天状态转移的规则,发现中心、离群行业板块股价涨跌波动的差异是由周内股价前半周到后半周的各类状态转移情况的差异造成的。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP311.13
【参考文献】
中国期刊全文数据库 前10条
1 廖小龙;;我国上证指数周内效应研究[J];经济师;2015年02期
2 张来军;杨治辉;路飞飞;;基于复杂网络理论的股票指标关联性实证分析[J];中国管理科学;2014年12期
3 刘晓霞;王卫华;;上海证R凳谐」善蓖绲母丛油缣匦匝芯縖J];武汉理工大学学报(信息与管理工程版);2012年05期
4 王化宇;;最小生成树算法及其应用[J];内蒙古科技与经济;2011年06期
5 叶银龙;;基于关联规则挖掘的股票板块指数联动分析[J];统计教育;2008年09期
6 黄玮强;庄新田;姚爽;;中国股票关联网络拓扑性质与聚类结构分析[J];管理科学;2008年03期
7 秦亮曦;苏永秀;刘永彬;梁碧珍;;基于压缩FP-树和数组技术的频繁模式挖掘算法[J];计算机研究与发展;2008年S1期
8 郭亚帆;;稳健统计以及几种统计量的稳健性比较分析[J];统计研究;2007年09期
9 白安芬;魏和清;赖德建;;基于GARCH模型的深圳股市周内效应研究[J];统计教育;2007年07期
10 张娟;王慧锋;;股票时间序列模型的关联规则挖掘[J];天津理工大学学报;2006年02期
中国硕士学位论文全文数据库 前1条
1 刘滢;数据挖掘在股票预测中的应用[D];长春理工大学;2010年
，本文编号：1207472
本文链接：https://www.wllwen.com/guanlilunwen/zhqtouz/1207472.html
