基于粗集理论的股价走势预测

发布时间：2020-03-22 02:34

【摘要】：数据挖掘研究如何从大量的数据中获取对决策有帮助的知识。粗集理论是分析和处理各种不精确、不完整信息的数学工具,已成为数据挖掘研究的重要分支。随着证券市场的不断发展,在证券信息数据库中积累了大量历史交易数据,如何充分利用这些历史数据探寻证券市场自身的运动规律,成为人们关心的问题。探索了基于粗集理论的股票价格预测方法。研究了相对差异比较表的化简算法和基于相对差异比较表的属性约简算法、值约简算法,对现有的属性约简算法进行了改进,使其在属性约简过程中充分考虑到相对差异比较表行、列两方面提供的信息。提出了综合考虑技术指标应用的极端值、背离、交叉、失效四个方面来确定决策表的条件属性,将三日后股价的涨跌幅作为决策属性,使提取的规则具有预测功能。研究了针对新构建证券信息决策表连续属性的离散化方法,在利用云变换方法对连续属性进行离散化时,充分注意到技术指标自身的特点,在实际应用中取得了较为满意的结果。设计并实现了该知识发现系统。系统由用户界面、后台数据库、数据预处理和规则抽取四个模块组成,利用VC在Windows平台上编程,取得了较为满意的结果。最后,探讨了进一步值得研究的方向。
【图文】：

西南交通大学硕士研究生学位论文第10页在图1一1中，每个小方块表示根据属性子集B划分论域U所得到的等价类，黑色线包围的区域为给定概念X的范围，深灰色区域表示x的下近似，浅灰色区域表示X的边界域，深灰色区域和浅灰色区域一起表示X的上近似。图1一IX的上近似集和下近似集例2接例1，，给定集合x={2e，3e

西南交通大学硕士研究生学位论文第24页图3一3技术指标曲线的交叉3.1.4决策属性的确定利用上述方法确定各指标值为决策表的条件属性，为了使决策表具有预测功能，将三天后的涨跌幅PEC作为决策属性，利用粗集理论对决策表进行处理，提取规则，根据规则实现预测。典型技术指标决策表如图3一4所示。图3一4典型技术指标决策表3.2决策表离散化·由于粗集理论的基础是集合论，所以对于连续的属性必须进行离散化。连续属性离散化是在特定的连续属性值域范围内设定若干个离散划分点，将属性值域范围划分成若干离散化区间，再用不同符号或整数值代表属于区间
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2005
【分类号】：F830.91

【引证文献】

相关硕士学位论文 前1条

1 孔淑慧;流数据时序模式依赖挖掘在股市行情分析中的应用[D];北京交通大学;2008年

本文编号：2594333