自组织数据挖掘在股票市场中的应用研究

发布时间：2024-06-12 05:32

　　在信息技术迅速发展的背景下,随着上市公司数量的逐年增多以及我国股票市场信息披露制度的逐步完善,我国股票市场中累积了越来越多的数据。如何从这些数据中获得有用的信息,这是广大投资者关心的一个问题。作为股票市场数据分析的常用方法,传统计量经济学在模型的设定和假设条件上存在着局限。因此本文引入了自组织数据挖掘。自组织数据挖掘在进化论自组织原理的基础上,以GMDH算法为核心,实现数据挖掘过程的自组织控制,与其他方法相比具有自组织模式识别和自组织筛选等优点。 本文阐述了自组织数据挖掘的基本思想,并介绍了自组织数据挖掘中的两种算法——参数自组织数据挖掘GMDH算法和非参数自组织数据挖掘AC算法。根据股票市场上两类数据的不同特点,我们分别采用了GMDH算法和AC算法对数据进行挖掘,并进行了实证研究。 将GMDH算法应用于财务数据的挖掘,预测上市公司的财务危机,实证结果表明基于GMDH的上市公司财务预测模型,预测准确率优于判别分析和Logit回归分析,显示出GMDH在模型识别和模型推广能力上具有它独特的优越性。 将AC算法用于预测股价的发展趋势,是从局部的角度来挖掘交易数据中的信息,有别于以往传统计量经...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 本文研究背景与意义
    1.2 股票市场中的两类数据
    1.3 本文内容安排
第二章 自组织数据挖掘
    2.1 数据挖掘概述
    2.2 自组织数据挖掘的基本思想
    2.3 自组织数据挖掘的算法体系
    2.4 自组织数据挖掘在经济中的应用
第三章 参数自组织数据挖掘在股票市场中的应用——基于财务数据的实证
    3.1 问题的提出
    3.2 参数自组织数据挖掘核心算法：GMDH
        3.2.1 GMDH 算法的数学思想
        3.2.2 GMDH 算法具体步骤
        3.2.3 GMDH 算法的分类
        3.2.4 GMDH 算法的优势
    3.3 GMDH 在股票市场财务数据挖掘中的应用
        3.3.1 财务危机预测方法评述
        3.3.2 GMDH 上市公司财务危机预测实证
        3.3.3 判别分析、Logit 回归与GMDH 实证结果比较
    3.4 本章小结
第四章 非参数自组织数据挖掘在股票市场中的应用——基于交易数据的实证
    4.1 问题的提出
    4.2 非参数自组织数据挖掘：AC 算法
    4.3 AC 算法在股票市场交易数据挖掘中的应用
        4.3.1 股价数据的预处理
        4.3.2 AC 算法股价趋势预测实证
    4.4 本章小结
第五章 结论
致谢
参考文献
附录
攻读硕士学位期间取得的研究成果



本文编号：3993296