基于Cart树和Boosting算法的股票预测模型
发布时间：2021-02-01 20:49
股票是市场经济的重要体现,同时也反映着我国经济发展状况,在经济发展走势分析中起着至关重要的作用。随着股票市场的发展,选择投资股票作为盈利项目的人也越来越多。但是如何选择股票,怎样选择相应的上市公司进行投资可以获得最大收益,一直是一个难题。因此,对股票市场上的各类股票走势进行分析预测具有重要意义。然而股票数据是一个庞大并且杂乱无章的复杂系统,利用传统方法对其进行预测分析存在一定的困难。数据挖掘技术提供了一个良好的解决方案,可以从众多杂乱无章的庞大数据中提取出潜在对于走势预测有价值有意义的数据。针对目前股票预测模型的准确度不够高,存在过拟合或欠拟合等问题,在现有股票预测方法分析的基础上,给出了一种基于Cart决策树与Boosting方法的股票预测方法。该方法根据数据纵向的关联性,在常用的开盘价、收盘价、成交量、当日最高价、当日最低价五个指标的基础上增加“近十日均价”及“转手率”两个纵向变化指标;同时以Cart决策树方法为基础,采用Boosting级联多棵决策树来解决拟合度问题。本文选取A股市场上某仪器仪表领域的上市公司作为样本数据,选取该领域某公司一年的股票交易数据作为输入变量,利用C5....
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景以及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文主要研究内容
第2章 相关理论知识
2.1 股票投资分析方法
2.1.1 基本分析法
2.1.2 技术分析法
2.1.3 量化分析法
2.2 数据挖掘理论
2.2.1 数据挖掘的任务
2.2.2 数据挖掘的步骤
2.3 数据挖掘在股票预测领域的适用性分析
2.4 本章小结
第3章 决策树与Boosting提升算法
3.1 C5.0决策树
3.1.1 C5.0决策树的生长
3.1.2 C5.0对数据的处理
3.2 Cart决策树算法
3.2.1 Cart决策树的生长
3.2.2 Cart决策树的修剪
3.2.3 Cart树的子树评估
3.3 Boosting提升算法
3.4 决策树以及提升Boosting算法在股票分析中的适用性
3.5 本章小结
第4章 决策树及Boosting算法在股票预测的应用
4.1 数据选取与指标确定
4.1.1 指标的确定
4.1.2 数据的选取
4.1.3 指标描述性统计
4.2 模型建立
4.3 实验
4.3.1 五特征C5.0决策树结合Boosting算法实验
4.3.2 五特征Cart树结合Boosting算法实验
4.3.3 七特征Cart树结合Boosting算法实验
4.4 实验结果评估
4.4.1 评价指标
4.4.2 实验结果对比
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]数据挖掘在股票预测中的应用[J]. 张博凯. 当代经济. 2017(08)
[2]基于金融微博情感与传播效果的股票价格预测[J]. 朱梦珺,蒋洪迅,许伟. 山东大学学报(理学版). 2016(11)
[3]Boosting算法理论与应用研究[J]. 张文生,于廷照. 中国科学技术大学学报. 2016(03)
[4]一种基于Boosting的集成学习算法在不均衡数据中的分类[J]. 李诒靖,郭海湘,李亚楠,刘晓. 系统工程理论与实践. 2016(01)
[5]投资者情绪对股价的影响——基于AH股交叉上市股票的实证分析[J]. 陆静,周媛. 中国管理科学. 2015(11)
[6]基于C4.5决策树的股票数据挖掘[J]. 王领,胡扬. 计算机与现代化. 2015(10)
[7]基于支持向量机的股票预测[J]. 刘廷. 信息通信. 2015(08)
[8]Targeting inflammation in diabetes: Newer therapeutic options[J]. Neeraj Kumar Agrawal,Saket Kant. World Journal of Diabetes. 2014(05)
[9]基于RU-SMOTE-SVM的金融市场极端风险预警研究[J]. 林宇,黄迅,徐凯. 预测. 2013(04)
[10]基于BP神经网络的股票价格趋势预测[J]. 李云强,宋威. 北方工业大学学报. 2013(01)
硕士论文
[1]股票指数走势的决定因素及政策效应[D]. 钱钧.浙江工商大学 2014
[2]基于网络舆情的SVM股票价格预测研究[D]. 张世军.南京信息工程大学 2014
[3]决策树及神经网络算法在股票分类预测中的应用[D]. 陶雨雨.杭州电子科技大学 2014
[4]基于数据挖掘技术的股票预测与研究[D]. 都彬.江苏科技大学 2012
[5]基于数据挖掘技术的股价预测实证分析[D]. 唐文慧.西南财经大学 2009
本文编号：3013413
【文章来源】：哈尔滨理工大学黑龙江省
【文章页数】：51 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景以及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文主要研究内容
第2章 相关理论知识
2.1 股票投资分析方法
2.1.1 基本分析法
2.1.2 技术分析法
2.1.3 量化分析法
2.2 数据挖掘理论
2.2.1 数据挖掘的任务
2.2.2 数据挖掘的步骤
2.3 数据挖掘在股票预测领域的适用性分析
2.4 本章小结
第3章 决策树与Boosting提升算法
3.1 C5.0决策树
3.1.1 C5.0决策树的生长
3.1.2 C5.0对数据的处理
3.2 Cart决策树算法
3.2.1 Cart决策树的生长
3.2.2 Cart决策树的修剪
3.2.3 Cart树的子树评估
3.3 Boosting提升算法
3.4 决策树以及提升Boosting算法在股票分析中的适用性
3.5 本章小结
第4章 决策树及Boosting算法在股票预测的应用
4.1 数据选取与指标确定
4.1.1 指标的确定
4.1.2 数据的选取
4.1.3 指标描述性统计
4.2 模型建立
4.3 实验
4.3.1 五特征C5.0决策树结合Boosting算法实验
4.3.2 五特征Cart树结合Boosting算法实验
4.3.3 七特征Cart树结合Boosting算法实验
4.4 实验结果评估
4.4.1 评价指标
4.4.2 实验结果对比
4.5 本章小结
结论
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]数据挖掘在股票预测中的应用[J]. 张博凯. 当代经济. 2017(08)
[2]基于金融微博情感与传播效果的股票价格预测[J]. 朱梦珺,蒋洪迅,许伟. 山东大学学报(理学版). 2016(11)
[3]Boosting算法理论与应用研究[J]. 张文生,于廷照. 中国科学技术大学学报. 2016(03)
[4]一种基于Boosting的集成学习算法在不均衡数据中的分类[J]. 李诒靖,郭海湘,李亚楠,刘晓. 系统工程理论与实践. 2016(01)
[5]投资者情绪对股价的影响——基于AH股交叉上市股票的实证分析[J]. 陆静,周媛. 中国管理科学. 2015(11)
[6]基于C4.5决策树的股票数据挖掘[J]. 王领,胡扬. 计算机与现代化. 2015(10)
[7]基于支持向量机的股票预测[J]. 刘廷. 信息通信. 2015(08)
[8]Targeting inflammation in diabetes: Newer therapeutic options[J]. Neeraj Kumar Agrawal,Saket Kant. World Journal of Diabetes. 2014(05)
[9]基于RU-SMOTE-SVM的金融市场极端风险预警研究[J]. 林宇,黄迅,徐凯. 预测. 2013(04)
[10]基于BP神经网络的股票价格趋势预测[J]. 李云强,宋威. 北方工业大学学报. 2013(01)
硕士论文
[1]股票指数走势的决定因素及政策效应[D]. 钱钧.浙江工商大学 2014
[2]基于网络舆情的SVM股票价格预测研究[D]. 张世军.南京信息工程大学 2014
[3]决策树及神经网络算法在股票分类预测中的应用[D]. 陶雨雨.杭州电子科技大学 2014
[4]基于数据挖掘技术的股票预测与研究[D]. 都彬.江苏科技大学 2012
[5]基于数据挖掘技术的股价预测实证分析[D]. 唐文慧.西南财经大学 2009
本文编号：3013413
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3013413.html
