基于神经网络的移动证券数据挖掘研究

发布时间：2020-06-27 12:54

【摘要】： 计算模式经过两代发展,当前正迈向普适计算模式。在普适计算模式下,计算机以人为中心,各种计算资源通过普适网络被整合在一起,为用户提供个性化服务,广泛使用的无线通讯网络正是这样一种普适网络。移动通讯技术的进步促使3G无线通讯时代的来临,无线通讯速率获得极大提高,服务覆盖区域不断扩大。3G直接带来的影响是它将为人们提供一个使用移动设备快速、便捷地接入互联网络的方式,使面向移动终端提供应用和服务的信息源日渐丰富。通过移动应用程序、短信功能和WAP应用,人们已经能够获取大量的信息,同时通过手机还可以实现网络游戏、新闻订阅、金融数据获取、无线支付以及其它个性化的应用。在3G时代,如何通过移动终端获取信息资源,并且从这些资源中发掘出更多的知识将是我们取得信息优势最为快捷的方法。证券市场是一个庞大且复杂的系统,表现出随机游走的模型特征,正是这种不确定性的因素才引发许多研究者对其进行研究的兴趣。本文的研究思路是以普适计算和3G无线通讯网络的发展为背景,运用移动数据挖掘的思想和神经网络算法对证券市场数据进行分析研究,通过采用面向对象的编程思想,使用J2ME语言在手机这种便携式普适设备实现神经网络算法。本课题研究的主要目的在于通过运用神经网络模型揭示指数和价格的运行模式特征,提出可行性模型及其程序算法。本研究在算法、载体资源、模型构建等方面均具有挑战性。为达到研究目标,在研究过程中对普适计算理论、移动数据挖掘理论、神经网络理论和计算机理论进行了综合运用,采用了广义回归神经网络和概率神经网络建立模型并运用J2ME编程语言实现了两种神经网络算法。首先,通过对问题进行定义,从国内证券市场行情数据库中提取了相关研究数据集,在数据处理过程中,分别采用了插值计算、归一化和反归一化、标准化、主成分分析等方法对数据进行处理。其次,在神经网络模型的选取和构建上进行较为深入的分析,为达到实时预测的性能,利用了广义回归神经网络和概率神经网络模型的实时学习能力建立证券分析模型,对市场指数、涨跌模式和财务状况进行预测和分析。最后,根据研究分析和实验仿真的结果,采用面向对象编程的思想,建立了广义回归神经网络和概率神经网络模型,实现了神经网络模型在移动终端上的应用,对投资决策起到了一定的参考作用。
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2009
【分类号】：F830.91
【图文】：

数据挖掘,数据准备,过程模型,对数

方面：Mobile Computation 和 Mobile Computing ，前者基于虚拟移动（Virtobility），需要移动软件的支撑，比如移动代理之类的软件系统，通过软件以达到虚拟移动计算；后者基于物理移动（Physical Mobility），也就是说移动设备来实现计算[37]。移动数据挖掘理论和方法根植于传统数据挖掘的方，是数据挖掘在普适计算环境下的应用，也可以将其理解为数据挖掘研究的领域。数据挖掘技术的产生过程反映了人们对数据处理的更高要求，是人们对数据库技术进行研究和开发的结果。数据挖掘的主要任务可以分为主要有性数据分析、描述建模、预测建模、寻找模式和规则、根据内容检索等。数据挖掘的过程理论，比较经典的有 Fayyad 过程模型[38]，如图 2-1 所示RISP-DM 标准的过程模型[39]总结起来说主要有以下步骤：1）定义问题：清义需要解决的问题，确定数据挖掘的目的。2）数据准备：数据准备过程包择数据，即在大型数据库和数据仓库中提取目标数据集；数据预处理则对数行再加工，检查数据的完整性及数据的一致性，消除噪声，填补丢失的数据删除无效数据等。3）数据挖掘：根据数据功能的类型和和数据的特点选择的算法，在经过清洗和转换以后的数据集上进行数据挖掘。4）结果分析：据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。5）运用：将分析所得到的知识进行应用集成。

误差分布,选择模型,平滑参数,误差分布

不同平滑参数下选择模型的预测相等对误差分布图

【相似文献】