基于流数据视角的股票聚类

发布时间：2021-05-24 08:27

　　如今,信息技术发展越来越快,高速发展的信息技术以及规模不断扩大的数据库技术,都保存着形式多样、规模巨大的数据。股票行业的交易数据是非常大的,早已达到GB级别。如今,数据就意味着价值。我们现在缺少的不再是数据,而是如何去挖掘数据背后的信息。聚类分析方法作为数据挖掘中的一个重要分支,目的就是研究数据之间的相似化,把相似的数据划分为同一类中。根据各只股票价值的不同,通过聚类把价值相近的股票聚为一类,从而把握股票的总体趋势,判断股票的潜在价值。股票交易数据随着每笔交易的产生在实时变化着,并且连续不断的产生,这正符合流数据的典型特征,因此,对股市行情数据的分析与挖掘应采用流数据挖掘技术。因此本文选取流数据聚类算法,对股市交易数据进行聚类分析。本文首先对现有的传统聚类算法在股票市场的应用以及流数据聚类算法的相关文献进行了梳理。其次,本文对流数据聚类技术进行了详细的介绍。主要包括流数据的三种模型:时间序列模型、收银机模型、十字转门模型;四种常见的概要数据结构:特征向量、原型阵列、核心树和网格;四种常用的移动窗口技术:界标窗口、滑动窗口、衰退窗口和倾斜时间窗口。接着本文分析了流数据聚类在股市分析中的应... 

【文章来源】：山东财经大学山东省

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究内容和框架
    1.3 研究创新点
第2章 流数据聚类综述
    2.1 传统聚类方法在股票市场的应用
    2.2 流数据聚类
        2.2.1 流数据聚类概述
        2.2.2 流数据聚类技术
    2.3 计算方法
        2.3.1 增量学习
        2.3.2 两阶段学习
    2.4 流验证
    2.5 传统聚类与流数据聚类的比较
    2.6 本章小结
第3章 基于股市分析的流数据聚类算法研究
    3.1 流数据聚类在股市分析中的应用背景和现状
        3.1.1 流数据聚类技术适用于股市分析的原因
        3.1.2 基于股市行情分析的流数据挖掘算法特点
    3.2 D-Stream算法分析
        3.2.1 D-Stream算法的相关概念
        3.2.2 D-Stream算法的基本思想
    3.3 本章小结
第4章 D-Stream算法在股市的实证分析
    4.1 基于D-Stream算法的股市行情数据模型
        4.1.1 数据来源和指标选取
        4.1.2 数据预处理
    4.2 股票聚类及结果分析
    4.3 本章小结
第5章 结论和展望
    5.1 结论
    5.2 展望
参考文献
攻读学位期间取得的学术成果
致谢


【参考文献】：
期刊论文
[1]面向大数据的并行聚类算法在股票板块划分中的应用[J]. 海沫,牛怡晗,张悦今.  大数据. 2015(04)
[2]数据流聚类算法研究[J]. 李敏,李英梅.  智能计算机与应用. 2014(01)
[3]基于密度的混合属性数据流聚类算法[J]. 黄德才,吴天虹.  控制与决策. 2010(03)
[4]基于相关分析的多数据流聚类(英文)[J]. 屠莉,陈崚,邹凌君.  软件学报. 2009(07)
[5]数据流的网格密度聚类算法[J]. 屠莉,陈崚,邹凌君.  小型微型计算机系统. 2009(07)
[6]基于概率数据流的有效聚类算法[J]. 戴东波,赵杠,孙圣力.  软件学报. 2009(05)
[7]基于移动网格和密度的数据流聚类算法[J]. 郑盈盈,倪志伟,吴姗,王丽红.  计算机工程与应用. 2009(08)
[8]基于随机投影的并行数据流聚类方法[J]. 陈华辉,施伯乐.  模式识别与人工智能. 2009(01)
[9]基于模糊聚类技术的股票投资价值评价指标选择[J]. 李云飞,李鹏雁.  燕山大学学报. 2008(06)
[10]基于动态网格的数据流聚类分析[J]. 何勇,刘青宝.  计算机应用研究. 2008(11)

博士论文
[1]基于网格方法的聚类算法研究[D]. 孙玉芬.华中科技大学 2006

硕士论文
[1]数据挖掘方法在股票分析中的应用与研究[D]. 孙磊平.西南财经大学 2013
[2]我国股票市场板块效应实证研究[D]. 周鑫.西南交通大学 2012
[3]基于蚁群聚类算法的股票板块分类研究[D]. 张传琦.复旦大学 2012
[4]数据挖掘技术在股票投资中的应用[D]. 杨富勇.湖南大学 2010



本文编号：3203893