基于K-means算法和决策树模型的投资者交易行为研究

发布时间：2021-10-02 07:08

　　随着互联网技术的发展,用户在互联网上留下的行为信息越来越多,通过运用数据挖掘技术寻找行为之间的内在规律,揭示其背后潜在的价值信息,对商业决策和理论研究都具有重要意义。在互联网金融领域,投资者的交易行为同样也蕴含了大量信息,为了能够探究股票投资者交易行为特征,本文以股票投资者交易行为研究对象,研究其交易行为与股票收益之间的规律。本文内容主要包括五个章节。第一章我们首先介绍了数据挖掘的研究背景,数据挖掘的流程及挖掘内容;然后分别介绍了数据挖掘在金融领域和用户行为领域的国内外研究现状;最后,在各学者研究的基础上,我们提出本文的研究方向及研究意义,并简要介绍了本文的主要内容。在第二章中,我们首先从相关网络上收集了与投资者实盘交易相关的数据,对数据进行预处理,并对用户投资交易行为定义并量化,然后分别从盈亏情况、操作风格、交易次数、交易频率、选股情况等方面对整体交易行为进行分析。通过分析发现,整体交易记录中盈利多于亏损,整体交易偏保守型,且选股情况不佳;大多数交易倾向于中短期投资,同时倾向于低频操作。第三章中,我们以中短期交易记录为研究对象,通过K-means算法,将其分为四类,分析各个类别的行为... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：43 页

【学位级别】：硕士

【部分图文】：

图１－１数据挖掘流程??

２．３整体交易行为分析??交易行为进行深度挖掘之前，我们需要对投资者文在对数据处理、特征提取转化后，共得到１３４录都包含上述特征指标。本文进行数据挖掘的最为记录进行挖掘，从而发现投资者交易行为与其者盈利或避免亏损的投资交易行为规律，并对投。??况分析??楚的了解整体交易记录的收益盈亏范围，我们首，分别统计收益范围内的交易记录数如下：??

图２－２整体交易记录盈亏比例??

【参考文献】：
期刊论文
[1]智能用电用户行为分析的聚类优选策略[J]. 龚钢军,陈志敏,陆俊,王朝亮,祁兵,崔高颖.  电力系统自动化. 2018(02)
[2]预测恶性孤立性肺结节logistic回归诊断模型的建立[J]. 喻微,叶波,续力云,王兆宇,王善军,曹捍波,陈志军,张永奎.  温州医科大学学报. 2017(09)
[3]互联网金融模式下的余额理财用户投资行为分析[J]. 邢丘丹,解建丽,张宁.  财经理论与实践. 2015(05)
[4]高校BBS与微博的用户社交行为特征分析[J]. 赖清楠,马皓,宋维佳,李婷婷,蒋广学,张蓓.  通信学报. 2013(S2)
[5]基于有效性指标的聚类算法选择[J]. 王开军,李晓.  四川师范大学学报(自然科学版). 2011(06)
[6]证券投资基金的交易行为及其市场影响[J]. 施东晖.  世界经济. 2001(10)
[7]中国股市“处置效应”的实证分析[J]. 赵学军,王永宏.  金融研究. 2001(07)

博士论文
[1]银行数据挖掘的运用及效用研究[D]. 李璠.武汉大学 2012

硕士论文
[1]基于网络日志的用户行为分析与研究[D]. 周雪.北京邮电大学 2017
[2]基于数据挖掘的金融时间序列预测研究与应用[D]. 戴阳阳.江南大学 2015
[3]互联网货币基金对比分析与投资者行为研究[D]. 张志成.河南大学 2015
[4]数据挖掘在图书馆用户行为分析上的应用研究[D]. 王菲.上海交通大学 2013
[5]聚类算法及其有效性问题研究[D]. 刘明术.安徽大学 2012



本文编号：3418199