基于数据挖掘技术的证券投资研究

发布时间：2024-02-20 00:02

　　随着我国经济的迅速发展,我国居民投资理财的意识也在发生着巨大的变化。在股指期货和融资融券业务推出之后,我国证券市场的投资品种得到了进一步的丰富,这势必会吸引更多的个人以及机构投资者进入证券市场,以达到收益、对冲风险以及保值等不同的目的。鉴于此,对于证券投资分析方法的研究不论是在实际应用还是在理论研究中都有着积极的意义。由于股票市场是一个随时都在发生着巨大变化的复杂系统,面对日益增长的庞大数据量,传统的分析方法有时会显得“力不从心”。 因而本文从数据挖掘等相关理论出发,对证券投资分析方法进行了深入的研究。首先,将小波理论引入金融数据的预处理过程,由于小波分析特别适合处理非平稳和非线性的信号,所以小波方法可以很好地去除金融数据中的噪声,为之后的数据挖掘过程奠定良好的基础。其次,从企业生命周期的角度考虑上市公司的盈利状况,为此本文利用朴素贝叶斯分类器和主成分分析理论并结合相关的财务指标建立了企业生命周期识别模型,用于识别上市公司所处的企业生命周期。随后,本文讨论了神经网络综合评估模型的优缺点,并且使用因子分析理论改进了径向基神经网络,同时在此基础上建立了F-RBF神经网络综合评估模型,用以评...

【文章页数】：56 页

【学位级别】：硕士

【部分图文】：

图5一1速动比率去噪结果

刁.3刁.4图5一2150050资产负债率去噪结果

图5一2150050资产负债率去噪结果

{501印150050图5一1速动比率去噪结果1001502、资产负债率原始信号降噪信号‘J21匕2认.1一U血11﹄刁.1刁.2刁.3刁.4图5一2150050资产负债率去噪结果

图5一11网络训练误差图

上半年平均收益率;测试集部分为2007年年报中的财务指标，以及2008年各上市公司上半年平均收益率。首先采用训练样本集对评估模型进行训练，由网络训练误差图5一11可以看出网络在训练90次之后，误差收敛到O附近，且网络稳定。通过计算，此次评估中F一RBF神经网络评估模型共用了7个神....

本文编号：3903533