基于遗传算法的模糊分类系统在股票分析中的应用

发布时间：2017-09-18 17:22

  本文关键词：基于遗传算法的模糊分类系统在股票分析中的应用

  更多相关文章： 股票市场 分类 遗传算法 模糊规则 FCM

【摘要】：股市不仅是一国经济的重要组成部分,也是国民喜闻乐见的一种重要投资方式。而股市又因其特殊性受到国家政策、投资心理和宏观经济等等因素的影响,在股民看来是一个非常复杂且难以预测的系统。正因为股市的复杂不确定性的特点,导致对它的模型建立尤其困难。在股市发展的这些年,与日俱增的是越来越大的交易数据,如何在这些数据中寻找有用的信息成为金融工作者和广大股民迫切需要解决的问题。数据挖掘的出现破解了“知识匮乏”的窘境,帮助人们在海量的历史数据宝藏中找到隐含的、有趣的信息,所以在股票交易数据中使用该技术进行预测分析有理论上和实际上的重大意义[35]。本文采用算法研究和实例研究相结合的方法,提出了基于遗传算法获取易于理解的模糊规则方法应用于数据分类,实现对未来的数据进行分类预测。本文的主要工作包括:首先,根据模糊分类模型在处理分类问题上的优势,配合遗传算法的全局寻优能力,提出了在历史数据集上进行模糊规则提取的模型[31]。使用UCI机器学习库上的标准数据集(Car Evaluation)进行了实验,证明了其有效性。其次,探讨数据预处理过程中对连续值属性进行离散化处理的相关知识。针对股票数据各个属性为连续值的特点,提出了使用模糊聚类的思想,在连续属性上进行模糊划分,构建模糊子集,从而有利于遗传算法解空间的编码和构建模糊规则[29]。最后将本文建立的模糊分类模型应用于股票的数据挖掘中,选取“浦发银行”最近两年的483条历史交易指标数据做为数据集,其中除“涨跌幅”为类别属性外,其余30个为特征属性。为实现在股票数据集中提取模糊规则并验证其分类能力,将数据中的2/3用于训练,1/3用于验证。步骤遵循1.数据预处理:清除噪声数据,对特征属性和分类属性进行皮尔逊相关性分析,选取相关性高的属性作为特征属性,精简数据表。2.属性模糊划分:FCM划分。3利用改进的遗传算法进行模糊规则的编码、交叉、变异等操作,经进化产生适应度高的模糊规则个体进而组成模糊规则库[19]。
【关键词】：股票市场 分类 遗传算法 模糊规则 FCM
【学位授予单位】：中国地质大学(北京)
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F830.91;TP18
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 问题的提出及研究意义10-11
• 1.2 国内外研究综述11-14
• 1.2.1 技术指标法概述11-12
• 1.2.2 基本面分析法概述12-13
• 1.2.3 综合分析法概述13
• 1.2.4 数据挖掘分析法概述13-14
• 1.3 本论文主要研究内容和创新之处14-16
• 1.4 本论文结构16-17
• 第2章 模糊理论与分类系统17-27
• 2.1 模糊理论的数学基础17-20
• 2.1.1 模糊集合及其隶属函数17-19
• 2.1.2 模糊集合的相关概念19-20
• 2.1.3 模糊集合的基本运算20
• 2.2 模糊规则及模糊系统20-24
• 2.2.1 模糊规则21-22
• 2.2.2 模糊系统22-23
• 2.2.3 模糊规则的性能指标23-24
• 2.3 分类规则挖掘步骤24-27
• 第3章 遗传算法的原理与方法27-34
• 3.1 编码27-28
• 3.2 初始群体设定28
• 3.3 适应度函数及评价28-29
• 3.4 遗传操作29-32
• 3.4.1 选择算子30
• 3.4.2 交叉算子30-31
• 3.4.3 变异算子31-32
• 3.4.4 终止代数32
• 3.5 遗传算法的基本流程32-34
• 第4章 基于改进遗传算法的模糊分类规则获取的方法34-53
• 4.1 机器学习简介34-36
• 4.2 基于遗传算法的分类规则发现36-44
• 4.2.1 分类规则编码37-39
• 4.2.2 适应度函数39-40
• 4.2.3 遗传算法选择算子的改进40-41
• 4.2.4 交叉算子的改进41-42
• 4.2.5 变异算子的改进42-43
• 4.2.6 改进的的遗传算法挖掘分类规则流程描述43-44
• 4.3 仿真实验44-48
• 4.3.1 实验数据和测试环境44-46
• 4.3.2 算法参数设置46
• 4.3.3 实验结果分析和比较46-48
• 4.4 基于数据驱动FCM属性模糊处理方法48-51
• 4.5 基于改进遗传算法的模糊规则提取算法流程51
• 4.6 基于遗传算法的模糊规则挖掘和传统规则挖掘的区别51-53
• 第5章 股票技术指标分析预测系统的实现53-71
• 5.1 系统的需求分析53
• 5.2 系统框架设计53-55
• 5.3 基于遗传算法的股票数据模糊分类规则挖掘55-67
• 5.3.1 试验环境55
• 5.3.2 股票数据说明55-57
• 5.3.3 股票数据清洗57-58
• 5.3.4 股票数据属性选择及规范化58-61
• 5.3.5 数据模糊化61-65
• 5.3.6 遗传算法规则提取65-66
• 5.3.7 新数据分类预测66-67
• 5.4 属性等区间划分和模糊划分对比67-69
• 5.4.1 等区间划分67-68
• 5.4.2 基于等区间划分的遗传算法分类规则挖掘68-69
• 5.5 小结69-71
• 第6章 结论与展望71-72
• 致谢72-73
• 参考文献73-76
• 个人简历76

【相似文献】

中国期刊全文数据库 前10条

1 吴瑞镛,徐大纹;具有年龄结构的遗传算法[J];桂林电子工业学院学报;2001年04期

2 杨艳丽,史维祥;一种新的优化算法—遗传算法的设计[J];液压气动与密封;2001年02期

3 杨宜康,李雪,彭勤科,黄永宣;具有年龄结构的遗传算法[J];计算机工程与应用;2002年11期

4 谷峰,吴勇,唐俊;遗传算法的改进[J];微机发展;2003年06期

5 ;遗传算法[J];计算机教育;2004年10期

6 赵义红,李正文,何其四;生物信息处理系统遗传算法探讨[J];成都理工大学学报(自然科学版);2004年05期

7 刘坤,刘伟波,吴忠强;基于模糊遗传算法的电液位置伺服系统控制[J];黑龙江科技学院学报;2005年04期

8 张英俐,刘弘 ,马金刚;遗传算法作曲系统研究[J];信息技术与信息化;2005年05期

9 丁发智;;浅谈遗传算法[J];乌鲁木齐成人教育学院学报;2005年04期

10 李冰洁;;遗传算法及其应用实例[J];吉林工程技术师范学院学报;2005年12期

中国重要会议论文全文数据库 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

中国重要报纸全文数据库 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

中国博士学位论文全文数据库 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

中国硕士学位论文全文数据库 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

4 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

5 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

6 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

7 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

8 吴欣欣;改进GA-TS算法优化的BP神经网络入侵检测研究[D];湖南工业大学;2015年

9 王垒;基于遗传算法的A型单喇叭互通立交线形优化[D];长安大学;2015年

10 龚高;基于遗传算法的桥梁结构传感器优化布置研究[D];长安大学;2015年

，

本文编号：876836