基于数据挖掘的股价走势预测

发布时间：2021-01-19 19:47

　　随着社会经济的发展和人们投资意识的不断增强,股票已经成为投资理财的一种重要工具,从而股票走势的预测具有十分重要的意义,然而,股票市场是一个极其复杂的系统,股价走势的预测问题是一个非常困难的问题,尽管如此,股价走势的预测还是引起了越来越多人的关注和研究。数据挖掘,是90年代中后期发展起来的人工智能分支,它以发现海量数据中隐含的、新颖的、有价值的信息和模式为目标,是一种高层次的数据分析。股票市场中积累了大量的交易数据,数据中隐含了大量有用的信息,采用数据挖掘的相关技术对股市数据进行分析,探索股价走势中的规律,建立股价走势的预测模型,无疑具有重大的现实意义。本文以中国股票市场为背景,利用数具挖掘的相关技术建立了用于预测股票走势的定性预测模型和定量预测模型,并得到了比较好的结果,由于采用的数据是沪深股市其中550只个股近十年累计约120万个交易日的数据,数据具有很好的代表性,因此,模型具有良好的泛化能力,模型产生的结论也具有较强的说服力,模型具有一定的参考价值,同时,本文的研究页表明了采用数据挖掘的相关技术进行股价预测是可行的。 

【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

SOM网络拓扑结构图

本文中这里的t的取值为 12，这样，经过上面三个步骤就把原来的 1213345数据转换为 100866 个涨幅向量R ， (,,,)1212R = RR……R，这些向量正是我对象，每一个向量就是一条记录。)数据清洗：数据的质量问题是数据挖掘中至关重要的环节，直接影响模型和结果的好数据能够产生可靠性强的结果，而质量差的数据即使使用很好的分析方法能得不到可靠的结果，即所谓“垃圾进，垃圾出”。数据质量的好坏主要取数据的多少，离群数据的多少以及错误数据的多少等。本文中的数据并无，因此只需考虑将记录中的离群记录和错误数据进行删除。经过数据清洗后原来的 100866 条记录减少为 100085 条记录。).数据的理解：图 4-1 至图 4-4 是记录中的第 2，第 5，第 8，第 11 个分量的直方图（其他类似特征），图中的曲线是正态拟合曲线：

第5个分量的直方图

【参考文献】：
期刊论文
[1]股票价格的可预测性与市场有效性[J]. 张敏,刘凤根.  湖南商学院学报. 2007(05)
[2]改进的k-平均聚类算法研究[J]. 孙士保,秦克云.  计算机工程. 2007(13)
[3]中国沪深股市可预测性研究[J]. 马树才,赵丰义.  当代经济管理. 2007(03)
[4]股票市场非有效性与可预测性的实证研究[J]. 苑莹,庄新田.  统计与决策. 2007(07)
[5]中国股票市场的可预测性研究[J]. 李国平.  高职论丛. 2006(03)
[6]基于强化学习的股票预测系统的研究与设计[J]. 叶德谦,金大兵,杨樱.  微计算机信息. 2006(06)
[7]中国股票市场的效率分析[J]. 李国欣,郭彩琴,郭璐.  统计与决策. 2005(16)
[8]一种改进的灰色模型在股票价格预测中的应用[J]. 李国平,林敬松.  商场现代化. 2005(09)
[9]基于神经网络的价值预测方法[J]. 冯冬青,吴杰.  计算机工程. 2005(06)
[10]采用小波变换建立价格波动幅度的预测模型[J]. 曹筠.  商场现代化. 2005(05)

硕士论文
[1]基于kohonen神经网络的用户访问模式挖掘模型的研究[D]. 樊玫.南昌大学 2007
[2]支持向量机对股市的预测及实证分析[D]. 张丽娜.青岛大学 2007
[3]基于灰色系统和神经网络的股价指数预测[D]. 霍建军.哈尔滨工程大学 2006



本文编号：2987607