基于时间序列的数据挖掘在证券分析中的应用

发布时间：2022-11-06 13:54

　　数据挖掘,作为一种新颖的数据分析手段,在我国越来越多的企事业单位中得到应用,被广泛应用于数据库营销、客户关系管理、顾客行为预测、市场趋势预测等,它在对海量数据的处理和分析上有着显著的作用,有效的解决了“丰富的数据,贫乏的知识”这一难题。 在每天的股票交易中总有大量的数据流动,这些数据我们给了我们的投资决策正确的理论依据。随着时间序列的数据挖掘理论和技术的不断成熟,将它应用于证券市场的分析已经成为可能。 本文从理论的角度对数据挖掘的产生,应用作简单的介绍。通过对时间序列处理以及相似性搜索的多种方法的比较和分析,选择一种较为合理的方法设计一个以股票预测为对象的小型系统。它先对时间序列进行适当的处理,然后进行相似性搜索,分析未来的某短时间的走势是否是历史上的重现,并对得到的结果进行简单的分析。 

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
内容提要
第1章 绪论
    1.1 选题的意义及背景
    1.2 证券领域是数据挖掘应用的重要领域
    1.3 金融分析的目标及金融数据的特点
    1.4 论文的主要研究内容和安排
第2章 数据挖掘理论
    2.1 数据挖掘的定义
    2.2 数据挖掘分析方法
        2.2.1 数据挖掘常用方法
        2.2.2 数据挖掘与传统数据分析方法的区别
    2.3 数据挖掘应用
    2.4 股市中常用的分析方法
        2.4.1 基本分析法
        2.4.2 技术分析法
    2.5 时间序列的相关理论
        2.5.1 时间序列的定义
        2.5.2 时间序列的应用
    2.6 时间序列的相似性搜索
        2.6.1 时间序列相似性研究的特征提取方法
        2.6.2 相似性度量
    2.7 本章小结
第3章 股票分析预测模型
    3.1 股票的预测
        3.1.1 对时间序列特征的提取
        3.1.2 关键点提取与分段法的比较
        3.1.3 分段时间序列的线性拟合
    3.2 相似性搜索
    3.3 本章小结
第4章 证券分析系统的设计
    4.1 系统简介
        4.1.1 数据源的获得
        4.1.2 开发环境
        4.1.3 系统功能简介
    4.2 实验结果
    4.3 本章小结
第5章 总结与展望
参考文献
致谢
摘要
Abstract


【参考文献】：
期刊论文
[1]JFreeChart在金融数据统计与分析中的应用[J]. 周平,叶文珺.  重庆工学院学报(自然科学版). 2008(11)
[2]金融时间序列数据挖掘的研究与应用[J]. 何典,梁英.  世界科技研究与发展. 2008(01)
[3]基于形态特征的时间序列相似性搜索算法[J]. 毛云建,杜秀华.  计算机仿真. 2008(01)
[4]从股票价格时间序列中检测几何图形的算法及其实现[J]. 万举,李明禄.  计算机应用与软件. 2007(01)
[5]基于模糊时间序列——股票走势的建模与应用[J]. 何云峰,杨燕.  微计算机信息. 2006(33)
[6]基于数据挖掘的金融时序频繁模式的快速发现[J]. 胡晓青,王波.  上海理工大学学报. 2006(04)
[7]基于变化点的时间序列近似表示[J]. 龚薇,肖辉,曾海泉.  计算机工程与应用. 2006(10)
[8]数据挖掘技术在证券业中的应用[J]. 陆珩瑱.  价值工程. 2006(02)
[9]一种时间序列快速分段及符号化方法[J]. 任江涛,何武,印鉴,张毅.  计算机科学. 2005(09)
[10]基于分段时间弯曲距离的时间序列挖掘[J]. 肖辉,胡运发.  计算机研究与发展. 2005(01)

博士论文
[1]时间序列挖掘与相似性查找技术研究[D]. 曾海泉.复旦大学 2003

硕士论文
[1]时间序列的相似性挖掘及其在股票时间序列中的应用[D]. 郑继萍.东北财经大学 2007
[2]证券分析中数据挖掘模型的研究及应用[D]. 林香.厦门大学 2007
[3]基于时间序列相似性的数据挖掘方法研究[D]. 张军.东南大学 2006
[4]时间序列的数据挖掘在证券预测分析中的应用研究[D]. 谷赫.吉林大学 2005
[5]面向相似性的时间序列表示与搜索方法研究[D]. 江浩.华中科技大学 2004
[6]序列挖掘及其在证券分析中的应用[D]. 聂亚可.重庆大学 2001



本文编号：3703618