数据挖掘技术在上证指数预测中的应用研究

发布时间：2017-06-16 06:14

  本文关键词：数据挖掘技术在上证指数预测中的应用研究，由笔耕文化传播整理发布。

【摘要】：随着改革开放不断深化,金融市场建设逐步完善,国家对金融产业关注程度不断升高,股票市场自1990年推行至今,受到市场关注和投资者的追捧。股票证券市场以其高额的回报,较低的准入门槛,一度成为社会关注的焦点。我国股票市场投资者今年热情不断升高,2014年底股票开户人数再创新高。但是高收益同时也伴随着高风险,如何在保证较高收益的同时控制风险,或者是在同等收益的情况下降低风险,一直是投资者思考的问题,准确预测股票价格,根据股票历史记录推测未来股票定价,为投资者提供可靠的定价来源。现在,利用数据挖掘技术和机器学习的方法,通过对股票的历史数据的预测,在给定条件的情况下,通过机器自主学习,给机器一个预测能力,通过算法实现,为投资者预测未来股票价格提供支持。由于股票买卖价格随着需求而变动,而需求也会随着各种主动和被动因素上下浮动,提前预测,为投资者合理布局投资方案提供依据。因此,根据预测数据,提前设计投资布局方案,提升资源利用率,提前做好因股票价格变化的投资预案,有备无患。这一切的基础就是对股票的准确预测。相关文献显示,小波神经网络在时间序列数据预测方面具有一定优势且效果较好。但是小波神经网络预测对训练样本和学习过程时间相对较长。由于在股票市场时间就是金钱,提高计算效率是非常重要的。因此,本文尝试在小波神经网络与BP神经网络比较的基础之上,还尝试了运用SVM回归预测股票数据。最后在BP神经网络机器以及衍生神经网络和SVM回归之间做出比较和权衡。本文主要是通过对上证综合指数预测这一实证分析,对BP神经网络和小波神经网络和SVM回归进行了分析和比较。分别对上证综合指数预测、预测均方误差MSE和运算效率等方面进行了对比。通过对比,可以发现BP神经网络是小波神经网络的基础,小波神经网络是在BP神经网络的基础上衍生而得到的。小波神经网络在计算效率方面比较低,在符合要求的情况下,小波神经网络的准确性优于BP神经网络。而性能最优的方法却是支持向量机,无论是在预测准确程度还是在计算效率方面都领先于神经网络。
【关键词】：证券市场 支持向量机 反向传播神经网络 小波神经网络
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP311.13;TP183;F832.51
【目录】：

• 摘要3-5
• Abstract5-10
• 第一章 绪论10-15
• 第一节 研究背景10-11
• 第二节 论文研究意义11-12
• 第三节 国内外研究现状及文献综述12-13
• 第四节 论文框架结构13-15
• 第二章 数据挖掘15-23
• 第一节 什么是数据挖掘15-18
• 第二节 数据挖掘的功能18-19
• 第三节 数据挖掘的功能特点及应用19-20
• 一、数据挖掘的特点19-20
• 二、挖掘技术的三大支柱20
• 第四节 数据挖掘应用现状20-21
• 第五节 数据挖掘中存在的问题21-23
• 第三章 上证指数预测23-30
• 第一节 上证指数23-26
• 第二节 上证指数预测方法概述26-30
• 一、传统股票预测方法26-28
• 二、现代股票预测方法28-30
• 第四章 数据挖掘理论模型介绍30-47
• 第一节BP神经网络30-33
• 一、神经网络简介30-31
• 二、Sigmoid函数31
• 三、建立模型31-33
• 第二节 小波神经网络模型介绍33-39
• 一、小波基函数33-35
• 二、小波神经网络建立35-38
• 三、训练过程38-39
• 第三节 SVM模型介绍39-47
• 一、VC维39
• 二、SVM介绍39-41
• 三、SVM回归分析41-44
• 四、SVM计算工具44-47
• 第五章 指标概述分类47-49
• 第一节 昨日最低指数47
• 第二节 昨日最高指数47
• 第三节 昨日开盘指数47
• 第四节 前日收盘指数47
• 第五节 昨日成交量47-48
• 第六节 昨日成交额48-49
• 第六章 基于数据挖掘方法的实证分析49-58
• 第一节 基于BP神经网络的实证分析49-51
• 一、模型设计49
• 二、实证结果49-50
• 三、模型评估50-51
• 第二节 基于小波神经网络模型实证分析51-54
• 一、模型设计51-52
• 二、实证结果52-53
• 三、模型评估53-54
• 第三节 基于SVM回归模型实证分析54-56
• 一、模型设计54
• 二、实证结果54-55
• 三、模型评估55-56
• 第四节 各种模型的比较研究56-58
• 第七章 总结、展望建议及不足58-61
• 第一节 总结58
• 第二节 研究展望建议58-59
• 第三节 研究不足59-61
• 参考文献61-64
• 附录64-81
• 致谢81

【参考文献】

中国重要会议论文全文数据库 前1条

1 朱宏辉;陈定方;;知识获取与知识进化模型[A];2007年中国智能自动化会议论文集[C];2007年

中国硕士学位论文全文数据库 前4条

1 刘光辉;“中国教育经济信息网”建设中数据挖掘技术的研究与应用[D];西安建筑科技大学;2004年

2 王庆凯;股票价格波动和预测方法研究[D];北京交通大学;2008年

3 左辉;基于事件研究的股票数据挖掘[D];西南交通大学;2008年

4 邓涛;基于USI及项集相关重要性的频繁集挖掘算法[D];天津师范大学;2009年

  本文关键词：数据挖掘技术在上证指数预测中的应用研究，由笔耕文化传播整理发布。

，

本文编号：454653