数据挖掘方法与股价预测

发布时间：2017-04-20 07:11

  本文关键词：数据挖掘方法与股价预测，由笔耕文化传播整理发布。

【摘要】：自去年七月份以来,A股市场大幅度上涨。A股的活跃吸引了众多投资者的关注,因此对股价进行分析和预测是十分必要的。不过由于股票价格受政策,经济等各方面因素影响,对其价格预测的难度非常大。 近些年来,数据挖掘发展迅速,已成为机器学习,统计学等诸多领域的研究热点,数据挖掘方法也已成为大数据时代最热门的技术。伴随着人们的深入研究,已经产生了很多不同种类,功能强大的数据挖掘算法,同时众多数据挖掘工具也应运而生,使得数据挖掘变得更为简单,高效,也因此极大地拓展了数据挖掘的应用领域,股票市场的价格预测就是其中之一,很多公司和研究机构都致力于用数据挖掘技术去研究股票价格的走势。 本文将会介绍在社会生产与科学研究中应用比较广泛的几种分类数据挖掘方法,包括多元统计分析,支持向量机,神经网络等。以及它们在股票价格预测方面的应用与预测效果,希望能够给人一些启示。
【关键词】：数据挖掘 股价预测 多元统计分析 神经网络 支持向量机
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.51;TP311.13
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论(数据挖掘概述)9-12
• 1.1 数据挖掘概述9
• 1.2 数据挖掘方法的分类9
• 1.3 数据挖掘过程9-10
• 1.4 数据挖掘应用的领域10-11
• 1.5 数据挖掘的软件工具11-12
• 第二章 股市知识简介12-13
• 2.1 我国股票市场的发展12
• 2.2 对股票进行投资分析的必要性12-13
• 第三章 模型的变量设定及评价准则13-18
• 3.1 目标变量(响应变量)的设定13-14
• 3.2 输入变量(自变量)的设定14-16
• 3.2.1 输入变量的初步选取16
• 3.2.2 输入变量的最终选取16
• 3.3 模型的评价准则16-18
• 第四章 建模工具18-24
• 4.1 费希尔判别18
• 4.2 朴素贝叶斯分类18-20
• 4.2.1 贝叶斯定理19
• 4.2.2 朴素贝叶斯分类的原理及流程19-20
• 4.3 K-最近邻算法20
• 4.4 支持向量机20-22
• 4.4.1 支持向量机概述20-21
• 4.4.2 函数间隔与几何间隔21
• 4.4.3 核函数21-22
• 4.5 BP神经网络22-24
• 第五章 模型预测24-28
• 5.1 数据展示24-26
• 5.2 各判别方法预测结果26-28
• 5.2.1 费希尔判别(二次判别)预测结果26
• 5.2.2 朴素贝叶斯分类预测结果26-27
• 5.2.3 K-最近邻算法预测结果27
• 5.2.4 支持向量机预测结果27
• 5.2.5 人工神经网络预测结果27-28
• 第六章 模型实证及总结28-30
• 参考文献30-31
• 附录31-35
• 致谢35

【参考文献】

中国期刊全文数据库 前2条

1 吴微,陈维强,刘波;用BP神经网络预测股票市场涨跌[J];大连理工大学学报;2001年01期

2 任录顺;股票价格动态的理论分析[J];山西财经大学学报;1998年01期

  本文关键词：数据挖掘方法与股价预测，，由笔耕文化传播整理发布。

本文编号：318148