聚类分析下的股票投资价值挖掘研究

发布时间：2017-03-28 20:09

  本文关键词：聚类分析下的股票投资价值挖掘研究，由笔耕文化传播整理发布。

【摘要】：随着中国股票市场的快速发展以及数据爆炸式的增长,海量数据的背后隐藏着许多有价值的信息,而这些信息往往是凭肉眼和经验难以发现的。在这种复杂的金融情况下,数据挖掘方法在股票市场分析中的应用就显得越来越重要,它利用相关数据和数据分析工具来发现数据之间的关联关系,结果可以用来预测和做出合理的决策。作为一个新兴领域,数据挖掘已经在众多行业中体现出了它的价值。应用于B端及C端的商品化数据挖掘系统也随之大规模的出现,同时,一些著名的数据分析软件中也嵌入了数据挖掘功能组件,比如SAS、SPSS、SAP、ORACLE等。而金融方面的数据挖掘是一个极具挑战性的研究课题,因为金融数据当中的不确定性、随机性、不可预测性导致了数据之间的关联规则很难被发现,如何从数据中提取出隐藏的价值,就成为在金融市场中占优势地位的关键所在。聚类分析方法作为数据挖掘中的一个重要分支,目的就是研究数据之间的相似性,把相似的数据划分为同一类中。因此,通过聚类分析,可以衡量股票之间的相似程度,根据各只股票价值的不同,通过聚类把价值相近的股票聚为一类,从而把握股票的总体趋势,判断股票的潜在价值。同样的,时间序列分析也广泛应用于金融领域的数据挖掘之中,股票价格曲线就是最典型的时间序列,通过时间序列分析,可以得到数据随时间变化的规律,以及未来的发展趋势。因此,在股票市场中,我们可以通过上述两种数据挖掘方法,聚类分析对相似股票进行分类,时间序列分析对股票未来的价格走势进行合理预测。综上,本文在第一章主要阐述了数据挖掘应用于股票分析方面的研究现状,在第二章结合价值分析内涵提出了一种价值分析框架,以价值和价格的各个层面综合进行分析,围绕价格终会回归价值进行了初步研究,并以此作为挖掘有价值股票的理论框架,第三章以及第四章是我们的应用部分,第三章中我们选取了十只上市公司的股票作为例子,围绕第二章的价值分析框架提出了一种应用聚类分析与相对价值理论相结合的数据挖掘方法,对上市公司的财务指标进行价值聚类,根据整体效应与个体效应法则提出了各类中股票价格走势预判的假设,并在第四章中应用时间序列分析中的霍尔特双参数指数平滑法对各类中的相对价值曲线进行了预测,同时检验了之前的假设,结果证明该方法是真实有效的。此模型的目的就是挖掘出有价值的股票,寻找投资机会并避开风险,为过度投机的股票市场增加一种合理的方法,做出合理的决策。结果显示该数据挖掘方法运用在股票市场有一定的理论意义与应用前景。
【关键词】：数据挖掘 聚类 价值 时间序列
【学位授予单位】：大连海事大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51
【目录】：

• 摘要5-7
• abstract7-11
• 第1章 绪论11-20
• 1.1 研究背景与意义11-13
• 1.2 国内外研究现状13-17
• 1.2.1 数据挖掘研究综述13-15
• 1.2.2 数据挖掘应用于股票分析研究现状15-17
• 1.3 论文结构与主要内容17-20
• 第2章 价值分析的内涵及分析框架20-29
• 2.1 价值分析内涵20-23
• 2.1.1 股票价值与价格的关系20-21
• 2.1.2 价值发现与价值实现21-22
• 2.1.3 价格回归价值22-23
• 2.2 价值分析框架23-27
• 2.2.1 股票预测的价值分析框架23-27
• 2.2.2 价值分析中的个体效应与整体效应27
• 2.3 本章小结27-29
• 第3章 聚类下的价值挖掘方法研究29-52
• 3.1 聚类分析基本理论与方法体系29-38
• 3.1.1 聚类分析的基本理论29-33
• 3.1.2 聚类分析的方法体系33-38
• 3.2 价值挖掘体系下的聚类分析的实证应用38-50
• 3.2.1 原始数据的标准化及加权处理39-42
• 3.2.2 两步聚类法确定最佳聚类数42-45
• 3.2.3 系统聚类法下的价值聚类45-49
• 3.2.4 根据聚类结果提出价格趋近于相对价值的假设49-50
• 3.3 本章小结50-52
• 第4章 价值聚类下的时间序列分析52-71
• 4.1 时间序列分析方法的理论基础52-54
• 4.1.1 时间序列分析方法的基本思想53
• 4.1.2 时间序列分析方法的类型53
• 4.1.3 时间序列分析的程序及步骤53-54
• 4.2 相对价值曲线的预测方法54-57
• 4.2.1 指数平滑模型的发展及应用54-55
• 4.2.2 指数平滑法的优点及类型55-56
• 4.2.3 霍尔特双参数指数平滑法56-57
• 4.3 最优参数的霍尔特指数平滑法应用于相对价值的预测57-70
• 4.3.1 加速步长法应用于平滑参数的优选57-59
• 4.3.2 结合最佳参数求出相对价值曲线的值59-65
• 4.3.3 预测值与真实值的比对进行假设检验65-70
• 4.4 本章小结70-71
• 第5章 总结与展望71-73
• 参考文献73-77
• 致谢77

【参考文献】

中国期刊全文数据库 前6条

1 曹倩;;霍尔特指数平滑法在商贸流通需求预测中的运用[J];合作经济与科技;2009年16期

2 冯金巧;杨兆升;张林;董升;;一种自适应指数平滑动态预测模型[J];吉林大学学报(工学版);2007年06期

3 董泽坤;李辉;史忠植;;多元时间序列中跨事务关联规则分析的高效处理算法[J];计算机科学;2004年03期

4 宛良德,洪唯虹;指数平滑法及其应用探讨[J];陶瓷;1996年02期

5 向小东,郭耀煌,刁尚敏;BP算法的改进及其在股票价格预测中的应用[J];西南交通大学学报;2001年04期

6 汪存友;余嘉元;;SPSS两阶聚类法如何自动确定聚类数[J];中国卫生统计;2010年02期

中国博士学位论文全文数据库 前1条

1 白雪;聚类分析中的相似性度量及其应用研究[D];北京交通大学;2012年

中国硕士学位论文全文数据库 前5条

1 李颖;时间序列指数平滑算法的改进研究[D];辽宁工程技术大学;2009年

2 杨昌跃;大姚县青石棉污染区肺癌和间皮瘤死亡率的调查及其趋势预测[D];四川大学;2005年

3 郑继萍;时间序列的相似性挖掘及其在股票时间序列中的应用[D];东北财经大学;2007年

4 唐元;海通证券公司股票投资价值分析[D];重庆大学;2008年

5 葛幸元;基于剩余收益估值法的上市证券公司股票投资价值分析[D];兰州大学;2013年

  本文关键词：聚类分析下的股票投资价值挖掘研究，由笔耕文化传播整理发布。

，

本文编号：272940