数据挖掘在证券投资分析中的应用

发布时间：2021-10-20 12:54

　　证券市场是国民经济的重要组成部分,证券市场的稳定不但关系到国家经济的繁荣发展,而且也关系到证券市场中广大投资者的利益。因此,有效地对大盘指数和股票进行分析与研究具有重要的理论意义和实践价值。但是证券市场所具有的高度非线性特征,导致众多的证券分析方法都不理想。因为人工神经网络的数据挖掘模型有很强的非线性模拟、自适应和自学习能力以及灰色系统理论的以“部分信息已知,部分信息未知”的“小样本’,、“贫信息”不确定性系统为研究对象等特点。所以本文使用神经网络技术和灰色系统理论方法分别对大盘走势与股票的走势进行了深入的研究和分析。借助人工神经网络对非线性函数的逼近能力,提出基于BP人工神经网络的上证综合指数预测模型,证实BP人工神经网络算法在证券投资分析中的有效性和可行性。在本文中也使用了灰色系统理论的方法来对股票的周收盘价建立包络带,用以预测下-周股票的波动区间。由此可以看出使用灰色系统理论来建模对股票预测是很有效的,对广大投资者具有深刻的指导意义。 

【文章来源】：长春理工大学吉林省

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 本文选题的背景
    1.2 研究目的和意义
    1.3 国内外研究现状
    1.4 论文主要研究内容和结构安排
    1.5 本章小结
第二章 数据挖掘技术与证券市场预测理论
    2.1 数据挖掘概述
    2.2 证券概述
    2.3 本章小结
第三章 本文相关预测理论
    3.1 神经网络理论
    3.2 灰色系统理论
    3.3 本章小结
第四章 预测模型的建立与实证研究
    4.1 BP神经网络模型在股指预测中的应用
    4.2 灰色模型在股价预测中的应用
    4.3 本章小结
第五章 总结
致谢
参考文献
附录


【参考文献】：
期刊论文
[1]神经网络在股票价格预测中的应用[J]. 袁晓东.  北京机械工业学院学报. 2002(03)
[2]用BP神经网络预测股票市场涨跌[J]. 吴微,陈维强,刘波.  大连理工大学学报. 2001(01)
[3]股票信息的数据挖掘[J]. 方依兰,黄智兴,张为群.  西南师范大学学报(自然科学版). 2000(02)
[4]时序法在股市行情技术分析中的应用[J]. 方子良.  南京理工大学学报. 1999(02)

硕士论文
[1]基于神经网络的基金净值预测研究[D]. 王敏.天津大学 2008



本文编号：3446939